Я удалил одно преимущество из контекста LLM. Ответ изменился.

Большинство интерфейсов LLM позволяют редактировать последнее приглашение. Гораздо меньше возможностей позволяют редактировать историю, которую унаследует приглашение. Я хотел протестировать простой режим отказа: что произойдет, если в длительном разговоре останется одна неверная исследовательская заметка? Небольшое контекстное вмешательство Я построил контролируемый сценарий в ThoughtDAG. Исходный узел сообщил о снижении производительности на 17%. Намеренно искаженная заметка изменила этот результат и сообщила, что он на 17% лучше. Эта записка затем переросла в более позднюю рекомендацию. Поскольку неверная ветвь все еще была подключена, модель повторила неправильный вывод. Я тогда: сохранил модель без изменений; оставил последний вопрос без изменений; удалил единственный край, несущий зараженную ветку; восстановил ответ. Рекомендация изменилась. В этом прогоне единственным преднамеренным вмешательством был контекст, выбранный графиком. Провода — это контекст ThoughtDAG представляет повороты разговоров, выдержки из документов и извлеченный материал в виде узлов на холсте. Края не являются декоративными. Когда пользователь запрашивает у узла, ThoughtDAG просматривает восходящий граф и сериализует только подключенных предков в следующий запрос модели. Это делает три операции конкретными: филиал