LRTab (Learn then Retrieve): обучение LLM на собственных ошибках для работы с таблицами

Ошибки LLM ценнее правильных ответов — они показывают слепые зоны модели, которые можно превратить в инструкции. Метод LRTab позволяет улучшать работу с таблицами без файнтюнинга — только через промптинг с условиями-подсказками. Прогоняешь модель по тренировочным данным, на каждой ошибке просишь её же сформулировать Prompt Condition (типа "не путай абсолютный рост с процентным — всегда пиши формулу"). Потом для новых таблиц — достаёшь релевантные условия и добавляешь в промпт. +3-5 процентных пункта точности на табличных задачах.