MAD-RAG: как добавление контекста ломает анализ изображений — и двухшаговый способ это исправить

Парадокс: чем точнее и релевантнее твой контекст, тем хуже мультимодальная модель смотрит на изображение — даже если данные идеальные. Метод MAD-RAG позволяет добавлять любой текстовый контекст к картинке без потери качества визуального анализа. Фишка: сначала получи ответ по изображению без контекста, потом добавь данные и попроси пересмотреть — два вопроса вместо одного создают визуальный якорь. Текст больше не перетягивает внимание модели раньше, чем она успела посмотреть на картинку.