Атомарная декомпозиция проигрывает: детальный рубрик точнее выявляет неполноту ответов

Разбить ответ на утверждения и проверить каждое — кажется идеальным способом оценки. Ловушка: модель тщательно проверяет всё, что есть, и не замечает то, чего нет вообще. Целостный рубрик позволяет выявлять конкретные пропуски — не только «где написано неверно», но и «чего не сказано совсем». Полнота становится отдельным явным критерием в одном запросе: «перечисли что из эталона присутствует, а что отсутствует» — и модель переключается из режима проверки написанного в режим поиска разрывов.