Selective Sampling – динамическое переключение температуры внутри одного ответа

Обнаружено: LLM генерирует текст неоднородно — есть «хрупкие» моменты (цифра в расчёте, термин в коде), где любой токен кроме самого вероятного ломает всю последующую логику, и есть «гибкие» зоны (стилистика, синонимы), где креативность уместна. Метод позволяет получать одновременно точные и разнообразные ответы в задачах, где нужны и факты, и креативность. Специальный классификатор определяет рискованные позиции в процессе генерации и принудительно выбирает самый точный вариант (greedy decoding), а в безопасных местах разрешает модели творить — точность математических задач выросла с 30% до 95% при сохранении разнообразия формулировок.