Структурирование данных для LLM: как формат входа снижает ошибки на 65%

Модели плывут не от глупости, а от формата. Подаёшь данные месивом — получаешь ошибки в числах, путаницу в именах, выдуманные факты. Исследование на NBA-матчах показало: структурированный вход (JSON с атомарными полями) снижает фактические ошибки на 65-69% — это сильнее чем переход на более мощную модель. Метод позволяет получать точные саммари из сложных данных (сотни строк транзакций, событий, записей) без галлюцинаций и подмены фактов. Фишка: разбить данные на атомарные поля — один столбец "игрок", другой "действие", третий "счёт". Модель перестаёт гадать где заканчивается имя и начинается число — она читает из конкретного поля. JSON снизил ошибки с 13.2 до 4.1 на 100 событий у Llama-3.1-70B.