Шкала 0-5 максимизирует согласие между LLM и людьми при оценках

Парадокс: Больше уровней оценки ≠ точнее результат. Шкала 0-10 даёт худшее согласие с людьми, чем 0-5, даже на одних и тех же задачах. Это не пересчёт баллов — модели по-разному интерпретируют задачу в зависимости от шкалы. Метод позволяет получать оценки от LLM, которые максимально близки к человеческому восприятию на субъективных задачах (качество текста, убедительность, стиль). Фишка: не количество уровней решает, а психологический паттерн — на 0-5 люди и модели калибруют оценки похоже, на 0-10 расходятся.