DPRF: Итеративная оптимизация персоны LLM-агента через анализ когнитивных расхождений

Написал персону 'опытный дизайнер' — получил общего дизайнера из учебника, а не Джонатана Айва. LLM генерирует стереотипное поведение, когда просишь 'You are an expert', потому что угадывает персону из обучающих данных, а не выводит из поведения конкретного человека. DPRF позволяет создавать персоны для симуляции конкретных людей — модель точно копирует стиль мышления, эмоции, аргументацию реального человека. Фишка: персона становится оптимизируемым параметром, а не статичным описанием. Три агента в цикле: первый генерирует ответ по персоне → второй анализирует различия с эталоном (что не так в убеждениях, эмоциях, стратегиях) → третий улучшает персону. Повторяешь 3-5 раз — персона из умозрительной превращается в основанную на реальных данных.