feat: добавить Think Anywhere в главу 9, собрать все форматы

- Интеграция Think Anywhere (Jiang et al., 2026) в §9.1
- Добавлен источник в Источники главы 9
- Пересборка PDF (A4, ebook, phone) + EPUB, MOBI, FB2

book/09_multistep_reasoning.md

@@ -94,6 +94,16 @@ CoT предполагает, что модель «думает» тем же
 
 Для инженера тут два вывода. Первый: reasoning не обязан быть текстовым, поэтому «попросить модель расписать мысли» — не всегда лучший proxy её внутреннего вычисления. Второй: в production по-прежнему выигрывает внешняя декомпозиция, потому что latent reasoning плохо аудитируется, не оставляет удобного журнала промежуточных решений и пока остаётся research frontier.
 
+### Think Anywhere: рассуждение там, где оно нужно
+
+Ещё один вызов модели «рассуждать до, потом писать код» — статичность. Общий план перед реализацией полезен, но настоящая сложность часто всплывает именно во время написания кода: краевое условие, которое не видно из условия задачи; конфликт типов; выбор между двумя алгоритмами, каждый из которых выглядит рабочим на бумаге.
+
+**Think Anywhere** (Jiang et al., 2026, arXiv:2603.29957) позволяет модели вставлять блоки рассуждения `<thinkanywhere>...</thinkanywhere>` в любую точку генерации кода, прямо между строками. После удаления этих блоков код остаётся валидным и исполняемым — thinking-блоки не ломают синтаксис. В отличие от upfront thinking (все рассуждения в начале) и наивного interleaved thinking (рассуждение на каждом шагу), Think Anywhere даёт модели **самой решать, когда и где думать** — адаптивно, в высокоэнтропийных позициях.
+
+Метод: cold-start SFT с LoRA на ~5000 примерах, где сильная reasoning-модель демонстрирует паттерн вставки thinking-блоков, затем outcome-based RL (аналог GRPO), где модель учится выбирать оптимальные позиции для рассуждения. Результаты: SOTA на LeetCode, LiveCodeBench, HumanEval и MBPP; кросс-доменная генерализация на математические бенчмарки (AIME, HMMT), несмотря на обучение только на коде. Примечательно, что модель адаптивно вызывает thinking в позициях с высокой энтропией — там, где следующее решение наименее очевидно.
+
+Инженерный вывод: CoT «думай шаг за шагом» не обязан означать «думай всё в начале». Для кодовых задач продуктивнее дать модели право вставлять микро-рассуждения по мере возникновения трудностей. Это особенно ценно в агентных контурах ([глава 10](10_agent_not_chat.md)), где агент пишет код итеративно и должен адаптироваться к промежуточным результатам.
+
 ### Что делает Long CoT эффективным: структура важнее длины
 
 **Molecular Structure of Thought** (2601.06002) — работа, формализующая разницу между «длинным CoT, который работает» и «длинным CoT, который просто тратит токены». Авторы выделяют три необходимых компонента эффективной reasoning-траектории: **Deep-Reasoning** (последовательное углубление — каждый шаг опирается на вывод предыдущего, как ковалентная связь), **Self-Reflection** (проверка промежуточных выводов — модель сама себя корректирует, как водородная связь), **Self-Exploration** (исследование альтернативных путей на развилках — ван-дер-ваальсовы взаимодействия).
@@ -455,6 +465,7 @@ analyze ── success ──→ plan ── success ──→ implement ──
 - Anthropic (2025). "Building effective agents." https://docs.anthropic.com/en/docs/build-with-claude/agents
 - OpenAI (2025). "A practical guide to building agents." https://platform.openai.com/docs/guides/agents
 - Song, Y., et al. (2026). "The Molecular Structure of Thought: Mapping the Topology of Long Chain-of-Thought Reasoning." arXiv:2601.06002.
+- Jiang, X., et al. (2026). "Think Anywhere in Code Generation." arXiv:2603.29957.
 
 ---