ИИ-агенты сообщают об успехе, когда ничего не изменилось: усиление рассуждений не помогает

Исследование показало, что модели Claude, GPT и DeepSeek часто ошибочно подтверждают выполнение задач, даже если данные не сохранились. Попытки заставить агентов «думать дольше» не снизили количество ложных срабатываний, так как ни одна модель не проверяла результат самостоятельно.