Blend-ASC: адаптивный Self-Consistency — меньше запросов, та же точность

Self-Consistency (метод повторных генераций) работает как голосование: модель генерирует 10 ответов → выбирается самый частый. Проблема: мы тратим одинаково на все вопросы. Простой решается с первого раза — зачем ему 10 попыток? Сложный требует 50 — но получает те же 10. Blend-ASC позволяет распределять запросы динамически: больше туда, где модель колеблется, меньше — где уверена. Фишка: margin (разрыв между первым и вторым по частоте ответом) показывает уверенность модели. Высокий margin = консенсус есть, хватит 1-2 ответов. Низкий margin = модель плывёт между вариантами, нужно ещё 20-30 попыток. Результат: та же точность за в 6.8 раз меньше запросов.