CaRT: когда модель знает достаточно — контрфактуальное мышление для управления глубиной исследования

LLM не чувствует момент когда хватит думать. Либо бросает рано (недостаточно данных → ошибка), либо тянет резину (лишние вопросы → трата ресурсов, а иногда цепляется за лишнее и портит результат). Метод CaRT позволяет модели принимать решение "продолжить исследование" или "хватит, отвечаю" на основе оценки ценности будущей информации. Фишка: модель учится на парах почти одинаковых ситуаций с противоположными решениями. Например, диалог с пациентом где последний вопрос дал критический симптом (правильно остановиться) vs тот же диалог где последний вопрос не дал ничего важного (правильно продолжить). Плюс модель вербализует ПОЧЕМУ решение правильное перед самим выбором — это работает как предсказание "станет ли легче если продолжу".