Использование больших языковых моделей для классификации отзывов пользователей приложений

Обнаружено: LLM катастрофически теряют точность, когда им нужно различать похожие категории («жалоба» vs «отчет об ошибке» vs «недостаток функции») — точность падает до 40-50%. Метод coarse-grained классификации позволяет получать стабильные результаты анализа текста без fine-tuning и сложных инструкций. Вместо 10 похожих категорий используй 3-4 широкие «корзины» с четкими определениями — точность подскакивает до 85-90%. Модель перестает угадывать нюансы и начинает следовать правилам, которые ты явно задал.