Guided Prompting для извлечения данных по сложным правилам: бенчмарк на радиологических отчётах

Обнаружено: Модели фейлят на двух уровнях при извлечении данных по правилам. Первый — invalid outputs: вместо категории выдают «возможно X или Y», «недостаточно данных», текст рассуждений. Второй — ошибки в логике: даже когда формат правильный, модель неверно проходит многошаговый алгоритм классификации. Фишка: вынеси всю логику принятия решения в системный промпт — не «догадайся как классифицировать», а «вот алгоритм: шаг 1, шаг 2, правила приоритета, строгий формат». Модель перестаёт импровизировать и следует инструкции. Результат: +8.9% точности, на сложных задачах до +15-20%.