DiffAdapt: адаптивные стратегии рассуждения под сложность задачи

Обнаружено: LLM генерит 500 токенов на вопрос '2+2=4' — модель решает правильно, но не уверена в каждом следующем токене. Это overthinking: на простых задачах энтропия высокая, на средних падает на 22-25%, на сложных снова растёт. Метод DiffAdapt позволяет экономить до 22.4% токенов через подбор стратегии рассуждения под задачу. Три готовых промпта с разной температурой и лимитом токенов: Easy (0.5 temp, 40% лимит) для простых, Normal (0.8 temp, 100% лимит) для средних, Hard (0.4 temp, 50% лимит) для сложных. Выбираешь стратегию вручную или через классификатор — модель тратит ровно столько, сколько нужно.