Rubric Gap: почему «оцени моё КП» даёт мутный результат — и как это исправить

Парадокс: LLM отлично проверяет против конкретного условия — и плохо решает, что именно проверять. Без критериев модель смотрит на длину, структуру и уверенный тон — и называет это «оценкой». Метод RubricBench позволяет получать предметную обратную связь по любому тексту или плану — вместо мутного «можно добавить конкретики». Сначала — список да/нет вопросов, потом — проверка по ним. Разрыв в 27% точности не закрывается мощностью модели. Он закрывается качеством критериев.