CIP (Causal Inference Plugin): причинно-следственный промптинг для точности в шуме

LLM не различают «встретились вместе» и «одно вызвало другое». Два факта рядом в тексте → модель считает их связанными. В итоге генерирует правдоподобную чушь: логично звучит, но фактически неверно. Особенно в длинных документах с противоречиями. Метод CIP позволяет получать логичные ответы из зашумленной информации — модель отличает настоящую причинность от случайных совпадений. Фишка: заставить модель сначала построить граф «что на что влияет», а потом отвечать ТОЛЬКО на основе этого графа. Модель извлекает сущности (кто/что), события (что произошло), связи (А привело к Б). Строит цепочку или сеть. Отвечает, игнорируя информацию вне причинной структуры. Из статистического «угадывателя» превращается в логического «рассуждателя».