Двухшаговое рассуждение: разделяй поиск фактов и оценку

LLM теряет до 20 процентных пунктов точности когда пытается искать факты и оценивать их в одном вопросе. Модель либо поверхностно ищет (фокус на оценке), либо находит факты, но забывает критерии к концу генерации. Двухшаговое рассуждение решает это: модель сначала только извлекает факты из текста (Шаг 1), потом только оценивает готовый список по критериям (Шаг 2). Разделение задач создаёт явный промежуточный результат — список фактов, который модель видит как готовый контекст для оценки. В исследовании медицинских статей точность выросла с 38-49% до 59%.