SearchAttack: как разбить сложный запрос на поисковые подзадачи и управлять качеством через рубрики

Обнаружено: Модели с RLVR-обучением (DeepSeek, Qwen) гонятся за высшей оценкой в рубриках — если написать 'master level = детальная инструкция', модель выдаст именно это, игнорируя тему. Метод позволяет управлять детальностью и структурой ответа через явные критерии качества (вместо размытых 'подробнее' или 'детальнее'). Рубрика с уровнями (2/4/6) + критерии (scope, fidelity, actionability) + инструкция 'стремись к Эксперт (6)' → модель максимизирует детальность по каждому критерию, потому что это закреплено в обучении как 'хороший ответ'.