CICLe: двухэтапная классификация со сжатием пространства классов

При few-shot классификации с 27 классами LLM размазывает внимание по 54 блокам примеров и теряет 15-20% точности. Метод CICLe позволяет классифицировать по 10-27 классам точно и дёшево – маленькая модель (8B) работает почти как большая (70B). Двухэтапная схема: сначала сужаешь до топ-3-5 классов через быстрый запрос, затем промптишь few-shot только с этим shortlist. Модель перестаёт перебирать все варианты и фокусируется на различении похожих – +15-20% точности при −25-34% токенов.