MVP-RAG: двухуровневый retrieval для точной генерации

Проблема: LLM генерирует атрибуты товаров из головы — получаешь галлюцинации (несуществующие бренды) и нестабильность (один раз 'синий', другой 'голубой', третий 'Navy Blue'). MVP-RAG позволяет точно извлекать структурированные данные из сырых описаний — атрибуты товаров, характеристики объектов, поля баз данных. Фишка: два retrieval-шага перед генерацией. Сначала модель находит похожие примеры (как другие заполняли такие же товары) — это даёт паттерн. Потом достаёт список кандидатов для каждого атрибута (что вообще может быть ответом) — это ограничивает выбор. И только после этого генерирует ответ. Точность с 63% до 89% против простой генерации.