Meta-prompting + One-shot: оптимальный баланс инструкций и примеров

Парадокс: Chain-of-Thought разрушает точность ответов по документам. Просишь модель рассуждать пошагово — она начинает додумывать детали которых нет в тексте. Faithfulness (верность источнику) падает с 0.85 до 0.53. Метод Meta one-shot позволяет получать ответы строго по документу — без отсебятины и домыслов. Это критично для QA-систем, баз знаний, техподдержки. LLM сама пишет инструкцию для задачи, ты добавляешь один пример формата — модель перестаёт «творить» и начинает извлекать конкретные факты. Точность растёт, hallucinations исчезают.