Dean of LLMs: двухступенчатая проверка через вторую модель

LLM генерирует правдоподобный текст, но часто с ошибками — маленькие модели выдают 11% фидбека с галлюцинациями (искажают цифры, противоречат себе, додумывают факты). Dean of LLMs позволяет ловить эти косяки автоматически — вторая модель проверяет ответ первой по чек-листу перед показом пользователю. Фишка: разделение генерации и проверки — одна LLM пишет (свободная генерация), другая оценивает (структурированная задача). Дообученная GPT-4o достигла 79.8% точности в оценке качества — на уровне эксперта (78.3%).