Как AI оценивает чужие рассуждения: три слепых пятна, которые нужно знать

AI-критик работает как детектив с плохой памятью: ошибку почувствует почти всегда — точность 82–94%. Но точно покажет где именно — только в 56–68% случаев. Разрыв в 26 процентных пунктов между 'заметил' и 'нашёл' — это не баг конкретной модели, это системная картина. Плюс второй сюрприз: полноту рассуждений AI завышает всегда — даже когда удалено 70% шагов, средняя оценка около 3 из 4. Метод попарной проверки позволяет обойти обе ловушки и получать от AI честную и точную критику цепочек рассуждений. Фишка: вместо 'оцени всё' — серия точечных вопросов 'следует ли шаг N+1 из шага N?' Модель перестаёт читать нарратив целиком и работает с конкретными парами — точность локализации ошибок резко растёт.