Выбор контекста, управляемый влиянием, для эффективной генерации с дополненным поиском

Обнаружено: LLM ухудшает ответы, когда получает слишком много контекста — нерелевантные фрагменты заставляют модель "отвлекаться" и генерировать ошибки. Метод IGCS позволяет оценивать реальное влияние каждого фрагмента на качество ответа — выявлять, какие куски текста помогают, какие бесполезны, а какие прямо вредят. Система присваивает каждому фрагменту оценку "ценности влияния" (CI value) и отсеивает контекст с отрицательным влиянием до того, как он попадет в модель — точность ответов вырастает на 15-20% по сравнению со стандартным RAG.