LLM-Specific Utility: персональная полезность документов в RAG

Парадокс: Релевантный по мнению людей документ может навредить конкретной LLM. Только ~50% «полезных» документов реально улучшают ответ модели — остальные либо бесполезны, либо ухудшают результат. Метод позволяет строить персональные наборы документов для каждой LLM вместо универсальных «релевантных». Документ считается полезным только если он улучшает ответ конкретной модели по сравнению с её базовым ответом без документов. Метрика: perplexity документа для данной LLM — чем ниже, тем лучше модель его «читает» и может использовать.