Чтобы понять границы правила, попросите нейросеть привести контрпример или перечислить исключения. Достаточно добавить в запрос одну фразу с условием и указать, в каком формате ждёте ответ.
Зачем просить контрпример, если нейросеть уже дала ответ
Готовый ответ языковой модели выглядит убедительно именно потому, что он внутренне согласован. Модель строит рассуждение, которое подтверждает саму себя, и в этом рассуждении редко появляются места, где правило ломается. Контрпример или исключение заставляют посмотреть на тот же вывод с другой стороны и увидеть, где заканчивается его применимость.
Польза такой проверки в том, что она переводит ответ из состояния «звучит логично» в состояние «проверено на прочность». Если модель не может привести ни одного случая, где утверждение не работает, это сигнал: либо правило сформулировано слишком широко, либо ответ поверхностен.
- Проверка границ. Исключение показывает, до какого момента действует правило, а где начинается другая логика.
- Поиск слабых мест. Контрпример вскрывает допущения, которые модель не проговорила в основном ответе.
- Защита от обобщений. Ответ без исключений часто звучит как абсолютная истина, хотя верен лишь для части ситуаций.
- Материал для решения. Список исключений помогает понять, подходит ли предложенный вариант именно в вашем случае.
- Индикатор качества. Способность привести конкретный контрпример говорит о том, что модель опирается на содержательное знание, а не на общие формулировки.
Отдельно стоит учитывать, что запрос на контрпример меняет режим работы модели. Вместо того чтобы развивать уже выданную мысль, она вынуждена искать противоречащие ей случаи. Это снижает риск того, что вы примете красивый, но неполный ответ за исчерпывающий.
Чем контрпример отличается от исключения и пограничного случая
Три слова часто используют как синонимы, хотя за каждым стоит своя логическая роль. Если смешать их в запросе, модель выдаст либо общий ответ, либо не то, что нужно. Разберём разницу на примере правила «все пользователи старше 18 лет получают доступ к расширенным настройкам».
Контрпример — это конкретный случай, который опровергает правило целиком или показывает, что оно сформулировано неверно. Например: пользователь 17 лет с подтверждённым статусом эмансипации. Он ломает утверждение «все до 18 — без доступа» и заставляет переписать условие.
Исключение — заранее известный случай, для которого правило сознательно не применяется. Это не ошибка формулировки, а часть замысла: администратор с ручной выдачей прав обходит возрастной фильтр. Исключение подтверждает, что правило работает, но не для всех.
Пограничный случай — ситуация на стыке условий, где непонятно, срабатывает правило или нет. Пользователю исполняется 18 ровно в момент запроса: считать его совершеннолетним или нет — вопрос трактовки, а не логики.
| Понятие | Что показывает | Что просить у модели |
|---|---|---|
| Контрпример | Правило неверно или узко | Случай, где вывод не выполняется |
| Исключение | Правило верно, но есть оговорка | Список ситуаций, выведенных из-под действия |
| Пограничный случай | Граница условия размыта | Пример на стыке двух категорий |
Формулировка запроса зависит от того, что именно нужно проверить. Для контрпримера просят случай, опровергающий вывод; для исключения — перечень оговорок; для пограничного — пример, где признак проявляется не полностью. Разные вопросы дают разные ответы, и путать их в одном запросе не стоит.
Базовая формула запроса на контрпример
Из каких частей собрать запрос
Рабочий запрос на контрпример состоит из четырёх элементов, и каждый выполняет свою функцию. Если пропустить хотя бы один, модель либо начнёт пересказывать исходное правило, либо выдаст расплывчатое «в некоторых случаях бывает иначе».
- Правило. Сформулируйте утверждение, границы которого проверяете, — коротко и без оговорок.
- Условие. Скажите прямо, что нужен случай, где правило не работает, а не подтверждение.
- Формат. Задайте, в каком виде ждёте ответ: список пунктов, описание ситуации, короткий разбор.
- Обоснование. Попросите объяснить, почему приведённый случай выходит за рамки правила.
Условие и обоснование — самая уязвимая часть. Без них модель склоняется к согласию с исходным тезисом, потому что он уже прозвучал в диалоге.
Пример запроса целиком
Ниже — собранный по этой схеме запрос про правило, которое проверяется на прочность.
Правило: если функция вызывается чаще одного раза в секунду, её нужно кэшировать.
Условие: приведи контрпример — ситуацию, когда кэширование навредит.
Формат: три пункта, каждый в одно-два предложения.
Обоснование: для каждого пункта объясни, что именно ломает кэш.Запрос работает потому, что не оставляет модели пространства для пересказа. Слово «контрпример» задаёт направление поиска, формат ограничивает объём и не даёт уйти в общие рассуждения, а требование обоснования заставляет проверять каждый пункт на состоятельность. Правило при этом сформулировано отдельно от вопроса, поэтому модель видит, что именно нужно опровергнуть.
Тот же каркас переносится на любую тему: меняется только первая строка, остальные три остаются почти неизменными.
Готовые формулировки для разных ситуаций
Формулировки удобно подбирать под тип исходного текста: правило, совет, инструкция или утверждение самой модели требуют разной степени строгости.
- Для правил: «Приведи случай, когда это правило не работает, и объясни почему».
- Для правил: «Назови хотя бы одно исключение из этого правила и условия, при которых оно возникает».
- Для советов: «В каких ситуациях этот совет принесёт вред? Опиши конкретный пример».
- Для советов: «Когда лучше поступить наоборот и почему».
- Для инструкций: «На каком шаге этой инструкции чаще всего ошибаются и что тогда происходит».
- Для инструкций: «Приведи пример условий, в которых эта последовательность действий не сработает».
- Для утверждений модели: «Ты утверждаешь, что это верно всегда. Найди контрпример или признай, что его нет».
- Для утверждений модели: «Проверь своё утверждение: какие данные или случаи его опровергают».
Фразы можно комбинировать с уточнением формата: попросить один пример, список из двух-трёх пунктов или короткое описание ситуации. Если нужен разбор, добавьте просьбу объяснить причину, по которой исключение возникает.
Для утверждений модели полезно отдельно оговаривать, что контрпример должен быть реальным, а не гипотетическим. Формулировка «если контрпримера нет, так и напиши» снижает риск правдоподобной выдумки.
Как оценить ответ: критерии проверки контрпримера
Содержательный ответ указывает на конкретную ситуацию, где правило перестаёт работать, и объясняет механизм. Формальный — просто отрицает утверждение или подставляет слово-антоним без обоснования. Проверить это можно по нескольким признакам.
- Конкретность. Есть условие, при котором вывод меняется, а не общая фраза «бывают исключения».
- Связь с исходным правилом. Понятно, какое именно условие нарушается и почему.
- Проверяемость. Пример можно сопоставить с реальностью или логикой, а не принять на веру.
- Отсутствие подмены. Это не пересказ правила другими словами и не крайний случай, который правило и так не покрывало.
- Полнота. Указано, при каких границах контрпример действует, а где снова перестаёт.
Если ответ вызывает сомнение, попросите нейросеть обосновать пример: какие условия делают его контрпримером и что изменится, если убрать хотя бы одно. Так формальный ответ обычно рассыпается, а содержательный обрастает деталями. Полезно также попросить привести второй, независимый пример — совпадение логики подтверждает качество.
Контрпример ценен не фактом существования, а объяснением, почему правило в этом месте не срабатывает.
Типичные ошибки в запросах на исключения
Чаще всего запрос на контрпример проваливается из-за того, что правило сформулировано слишком широко. Формулировка вроде «приведи контрпример к правилу» без самого правила или с правилом «всё всегда работает так» оставляет модели нечего проверять: она либо отвечает общими словами, либо придумывает исключение из ничего.
Второй источник ошибок — отсутствие формата ответа. Если не сказать, что нужно ровно одно исключение или короткий список с условиями, модель выдаёт эссе на полстраницы, и вытащить из него проверяемый случай трудно.
- Слишком общее правило. Антипример: «Найди исключения из правил работы с клиентами». Исправление: назовите конкретное правило и условия, в которых оно действует.
- Нет формата. Антипример: «Какие бывают контрпримеры?» Исправление: «Дай один контрпример в виде: ситуация — почему правило не срабатывает».
- Просьба «просто скажи да или нет». Антипример: «Это правило всегда верно? Да или нет». Исправление: попросите случай, где правило нарушается, и объяснение причины.
- Смешение контрпримера и исключения. Антипример: «Приведи исключение или контрпример, неважно что». Исправление: укажите, что нужен именно случай, опровергающий правило, а не редкое отклонение.
- Нет ограничений по контексту. Антипример: запрос без отрасли, роли или масштаба. Исправление: задайте рамки, иначе пример окажется нерелевантным.
Проверить запрос просто: если по нему нельзя однозначно сказать, что считать правильным ответом, модель тоже не сможет. Конкретное правило, заданный формат и явно названный тип случая убирают большую часть провалов.
Что делать, если нейросеть не нашла контрпример
Отсутствие контрпримера в ответе ещё не означает, что правило абсолютное. Модель могла просто не дойти до нужного вывода, неверно прочитать условие или решить, что безопаснее промолчать. Разбирать ответ стоит по шагам, а не принимать пустоту за подтверждение.
- Перечитайте свой запрос и убедитесь, что в нём явно названо правило и задан вопрос именно об исключениях, а не об общем объяснении.
- Спросите прямо: «Есть ли ситуации, где это правило не работает?» — так формулировка не оставляет места для обтекаемого ответа.
- Попросите модель порассуждать вслух: пусть перечислит условия, при которых вывод может измениться, даже если уверенности мало.
- Сузьте область: вместо широкой темы возьмите конкретный пример и спросите, что будет при изменении одного параметра.
- Смените угол: попросите найти слабое место в собственном ответе или указать, каких данных не хватает для проверки.
Если после уточнений модель снова отвечает, что исключений нет, возможны два объяснения. Либо правило действительно жёсткое в заданных рамках, либо ассистент осторожничает и избегает категоричных утверждений. Отличить одно от другого помогает проверка: задайте вопрос о конкретном пограничном случае и посмотрите, меняется ли тон ответа.
Полезно также попросить модель оценить собственную уверенность и назвать, при каких допущениях её вывод перестанет быть верным. Так вы получаете не готовый контрпример, а карту условий, где его искать.
Частые вопросы
Можно ли попросить контрпример одним словом?
Одного слова обычно мало: модель может ответить общими фразами. Добавьте условие, формат ответа и просьбу обосновать, почему пример считается контрпримером.
Нужно ли уточнять, что контрпример должен быть реальным?
Да, стоит. Фраза «не придумывай пример, если не уверен» снижает риск вымышленных случаев. Но проверять ответ всё равно нужно самостоятельно.
Чем исключение отличается от контрпримера в ответе нейросети?
Контрпример показывает случай, где правило не работает. Исключение — это условие, при котором правило применяется иначе или не применяется вовсе.
Что делать, если нейросеть выдала контрпример без объяснения?
Попросите объяснить, почему этот случай считается контрпримером и какое условие правила он нарушает. Без объяснения пример сложно проверить.
Можно ли просить несколько контрпримеров сразу?
Да, но лучше ограничить количество и попросить разделить их по типам: типичные, пограничные, редкие. Так ответ проще оценить.