Что нашли исследователи. **Базовые модели (не дообученные)** – мгновенно и стабильно «узнают» слово, независимо от того, сколько сообщений прошло между упоминаниями. **Ассистенты (ChatGPT/Claude‑типы)** – каждый раз пересчитывают важность слова с учётом текущего контекста. Чем дальше первое упоминание, тем слабее эффект «узнавания», а в больших моделях (≈ 14 B) повтор может даже стать помехой. **Люди** – чувствительны к давности, но никогда не теряют слово до уровня помехи.

Как это работает

1. **Первое упоминание** → модель формирует «оценку» слова (вектор‑признак). 2. **Между повтором** появляется новый контекст. 3. При **повторе** ассистент пересчитывает оценку, учитывая весь промежуточный текст. 4. Если промежуток большой → новая оценка может конфликтовать с предыдущей → ответ становится неточным или смешанным.

Практический шаблон «якоря»

> **Ключевой термин**: `{название}` – `{краткое описание, важные детали}`

> **Новый запрос**: `{ваш вопрос/задача}` *Пример*: ``` Ключевой термин: Заряд‑Юг – целевая аудитория: 18–35 лет, цена 120 ₽, слоган «Энергия юга». Новый запрос: Добавь пункт про упаковку в план запуска бренда. ``` **Почему это работает:** - Якорь фиксирует детали рядом с новым запросом. - Модель не пересчитывает слово «в потёмках» и сразу использует сохранённый контекст.

Шаг‑за‑шаг инструкция

1. **Определите ключевой термин** (бренд, проект, гипотеза). 2. **Составьте краткую сводку**: 1–2 предложения с самыми важными фактами. 3. **Вставьте в чат** перед новым запросом. 4. **Проверьте ответ** – если детали всё ещё пропали, добавьте уточнение (например, «не забудь цену»).

Ограничения и риски

| Параметр | Что может пойти не так | |----------|------------------------| | **Длинные диалоги (> 50 сообщений)** | Повтор может стать помехой даже при якорях. | | **Модели > 10 B параметров** | Эффект интерференции усиливается. | | **Сложные контексты (много тем одновременно)** | Якорь может быть «переосмыслен» моделью, если формулировка не точна. | | **Неправильная сводка** | Модель всё равно пересчитает слово, но с ошибкой. |

Ключевые выводы из экспериментов

* **Базовые модели**: 100 % стабильность повторения независимо от расстояния. * **Ассистенты**: снижение точности на ~30 % при 15‑шаговом разрыве; в больших моделях до +20 % ошибок. * **Люди**: только небольшое падение (~10 %) даже после 15 сообщений.

Когда использовать

- **Длинные стратегические сессии** (планирование продукта, маркетинга). - **Многошаговые задачи**, где детали могут «забыться». - **Работа с крупными моделями** (ChatGPT‑4/Claude‑3 и выше).

Когда не стоит

- Короткие диалоги (< 5 сообщений) – эффект уже минимален. - Если модель уже содержит все нужные факты в контексте без разрыва.

**Поддержать проект донатом: Сбер 2202 2084 9881 5282. Заранее спасибо.**