LLM отлично сдают математику. Вопросы попроще — тоже. А вот когда надо не вычислить, а выжить среди людей, нач

LLM отлично сдают математику. Вопросы попроще — тоже. А вот когда надо не вычислить, а выжить среди людей, начинаются сюрпризы.

Говорят, модели уже гоняют через сценарий «Бункер»: ограниченные ресурсы, конфликт интересов, переговоры, коалиции, попытка не быть первой жертвой. И тут внезапно видно не «умение отвечать», а характер поведения. Кто торгуется до упора. Кто сыпется под давлением. Кто мгновенно переходит в режим бюрократа с красивыми, но бесполезными формулировками. 🤖

Это уже полезнее обычных бенчмарков: в реальной работе нейросеть ломается не на примерах из учебника, а на неочевидной динамике — когда надо держать линию, считывать контекст и не разваливаться в разговоре.

Инсайд простой: у LLM проблемы не только с фактами. У них часто проблемы с социальным выживанием. А это, как ни странно, ближе к реальному использованию, чем очередной рекорд на тесте.