EvolvR: парные сравнения и эволюция рассуждений для оценки историй

Парадокс: Модели плохи в абсолютных оценках — просишь "оцени креативность от 1 до 5", получаешь размытое "наверное, 3 или 4" с общими словами. Но дай те же модели две истории для сравнения — точность подскакивает на 22% (критерий связности) и 13% (релевантность). Метод EvolvR позволяет получать конкретные обоснования вместо размытых баллов — через парные сравнения, оценку с 5 разных точек зрения и жёсткую эволюцию рассуждений. Фишка: вместо "поставь балл" модель отвечает "А лучше Б, потому что неожиданный финал против предсказуемого" — это не оценка по шкале, а конкретная артикулированная разница.