Интересная статья и бенчмарк по следованию промпту: https://arxiv.org/abs/2511.10507 Набрали руками 3 вида задач: сложные промпты с 6 видами требований, мультиходовые промпты и полное следование системному промпту. В итоге лидеры пока GPT-5 и Gemini 3 Pro (странно, что не проверили Соннет и Опус 4.5), но лишнее подтверждение, что это вообще далеко не 100%. И плюс что длинные одноходовые инструкции работают лучше, чем многоходовые. Ну и попутно ребята (это Мета лабс и Принстон) придумали, как эти результаты улучшать файнтюнингом, но тестировали на Llama, это не так интересно. В целом обещают на 7 процентных пунктов поднять результаты.