ReCode: Улучшение исправления кода на основе LLM с помощью детальной генерации с дополненным поиском

Обнаружено: LLM катастрофически теряет точность, когда в промпте смешаны разнородные данные (описание задачи + структурные элементы + примеры) — модель не понимает, что важно, а что шум. ReCode позволяет получать релевантные решения для сложных задач вместо поверхностных совпадений. Метод разбивает работу на два шага: сначала LLM классифицирует тип задачи, затем использует эту классификацию как фильтр для точной генерации. Вместо "найди что-то похожее на этот текст и код" модель получает инструкцию: "определи категорию → найди решение именно для этой категории". Результат: 66% точности вместо 30% в задачах исправления кода, но принцип работает везде.