RubricRAG: оценка ответов LLM через конкретные критерии вместо общей оценки

Парадокс: LLM-судья без чеклиста ставит одинаково высокий балл и хорошему ответу, и красиво написанной пустышке — оба "выглядят профессионально", и этого достаточно. RubricRAG позволяет оценивать ответы по конкретному списку критериев с весами: выполнен пункт — плюс баллы, провален — минус баллы. Фишка: не пишешь критерии вручную — показываешь 2-3 рубрики из похожих задач, и модель сама генерирует нужный уровень конкретности. По результатам исследования — такой подход превзошёл специально дообученную модель. Два шага: сначала сгенерировать рубрику по образцам, потом оценить текст по каждому пункту отдельно.