TraceLLM: методология обогащения промптов для задач сопоставления

Проблема: Базовый промпт 'найди связь между А и Б' даёт нестабильные результаты — LLM додумывает критерии сама, опираясь на общие паттерны языка. В задачах сопоставления (резюме↔вакансия, отзыв↔категория, требование↔код) это проваливается. Метод TraceLLM позволяет точно сопоставлять элементы в задачах с чёткими критериями через обогащение промпта. Суть: три слоя контекста (роль эксперта + специфика домена + инструкция рассуждать вслух) + итеративная шлифовка на 2-3 примерах → +15-20% точности vs базовых методов. Модель перестаёт угадывать и начинает работать по чётким критериям области.