P-Aligner: переписывание промптов по принципам для выравнивания LLM

LLM чувствительны к формулировке промпта — размытое «напиши текст» даёт воду, чёткое «500 слов, структура: проблема→решение→цифры» даёт конкретику. Но пользователи пишут небрежно, без структуры. P-Aligner позволяет автоматически улучшать промпты перед отправкой в LLM, опираясь на 10 явных принципов (уточни задачу, добавь контекст, улучши тон, требуй факты). Фишка: невозможно оценить промпт напрямую («хороший» или «плохой»?), но можно оценить ответы которые он вызвал. Генерируем 3 ответа, смотрим на качество через reward model — если ответы лучше, значит промпт лучше. Результат: +28% win-rate на GPT-4-turbo из одной строчки улучшения.