Arbiter / Multi-Model Scouring: аудит промпта несколькими LLM через намеренно расплывчатые инструкции

Промпт с противоречием не выдаёт ошибку. Модель молча выбирает интерпретацию — и каждый раз чуть-чуть иначе. Это и объясняет, почему большой промпт, который рос полгода, ведёт себя непредсказуемо: то официально, то дружелюбно, то с эмодзи, то без. Метод Arbiter позволяет находить такие скрытые конфликты до того, как они портят результат. Главная фишка: разные языковые модели буквально слепы к разным классам проблем — Claude ловит структурные конфликты, Kimi замечает расход токенов, DeepSeek находит лазейки в делегировании. Три прогона одного ChatGPT дадут три похожих ответа. Это иллюзия покрытия, не реальная.