Рефлексивная оптимизация персонализации: пост-хок фреймворк переписывания для больших языковых моделей в "черном ящике"

Обнаружено: LLM проваливается в персонализации не от слабости, а от «конфликта задач» — когда модель одновременно пытается генерировать точный контент И подражать стилю, она делает оба дела хуже. Метод RPO позволяет получать персонализированный контент высокого качества через разделение процесса на два этапа. Сначала модель генерирует точный, но безличный «скелет» ответа, затем вторая модель переписывает его под стиль пользователя — это устраняет конфликт и значительно улучшает качество персонализации по сравнению с попыткой сделать всё в одном промпте.