RCScore: стабильность ответов как показатель надёжности модели

Модель решает задачу правильно. Переформулируешь вопрос — меняет решение и теперь ошибается. Точность скачет на 16.7% только из-за того, как ты спросил. «Реши» vs «Можешь решить?» — одна суть, разные ответы. RCScore позволяет понять когда модель блефует, а когда действительно знает решение. Метод прогоняет вопрос через 3-4 формулировки и измеряет похожесть ответов по трём слоям: синтаксис (структура фраз), лексика (термины), логика (шаги рассуждений). Стабильность формулировок = надёжность рассуждений. Если модель даёт похожие решения при разных стилях промпта — она нашла устойчивый паттерн, не случайное совпадение. Корреляция 0.79 между стабильностью и правильностью.