Трёхуровневый фреймворк оценки текста: специализированные рецензенты, рубрики и базовый промпт

Парадокс: GPT-4 с обычным оценочным промптом показал почти случайное совпадение с оценками людей. Специализированная арабская модель в 9 миллиардов параметров — то есть в разы меньше — с правильной структурой запроса обошла его в 5 раз. Метод позволяет получать предметный разбор текста по каждому критерию отдельно: не усреднённое «в целом нормально», а конкретное «вот что переписывать». Фишка: разбить одного «универсального судью» на нескольких специализированных рецензентов — каждый смотрит только на своё и явно игнорирует чужое. Структура, стиль, аргументация — у каждого критерия свой угол зрения, и модель перестаёт размазывать внимание по всему сразу.