Twin-Pass CoT-Ensemble: слепая критика собственных рассуждений для надёжной оценки уверенности LLM

Задаёшь вопрос LLM и в конце добавляешь 'насколько ты уверена?' — всегда получаешь 4–5 из 5. Даже когда модель только что придумала несуществующую статью закона. Twin-Pass CoT-Ensemble позволяет получить реальный сигнал надёжности: не 'как модель сама себя оценивает', а 'насколько логичны её рассуждения со стороны'. Фишка: два отдельных запроса — первый генерирует ответ и рассуждения, второй в новой сессии оценивает только их логику, не зная что это 'её собственный ответ'. Три-пять таких слепых оценок усредняются — получаешь число от 1 до 5, которому можно доверять.