SUBSUB и SUBINJ: английский якорь для точных фактов на любом языке

LLM выдаёт разные ответы на один и тот же вопрос на русском и японском. Спросишь про столицу Франции по-русски — один ответ, по-японски — другой. Проблема: модель не понимает, что "Франция" и "フランス" — это одна сущность. Она переводит каждое понятие в своё внутреннее английское пространство, и на этом шаге часто ошибается. SUBSUB и SUBINJ позволяют получать консистентные факты на любом языке — добавляешь английский перевод ключевого понятия прямо в запрос. Модель пропускает ненадёжный внутренний перевод и сразу работает в "родном" английском пространстве — +5-44% консистентности между языками, +2-32% точности фактов.