Рекомендация экспертов через LLM: почему точность и разнообразие не работают вместе

Попросил LLM порекомендовать экспертов — "включи больше женщин". Результат: +20% женщин в списке, но 30% имён несуществующие. Метод LLMScholarBench показывает как управлять компромиссом между точностью и разнообразием. Фишка: промпт не улучшает всё сразу — он перераспределяет ошибки. Запрос "включи женщин" выталкивает модель туда, где мало обучающих примеров. Она начинает компоновать правдоподобные имена из фрагментов. Web search даёт факты, но повторяет перекос источников. Списки точнее на 20%, но однообразнее на 30%.