Semantic Gap в медицинских ответах LLM: почему "звучит убедительно" ≠ "медицински точно"

51% схожесть с эталонным ответом — и при этом 6% точность по конкретным препаратам. Разрыв в 8 раз — GPT-4, Claude и Gemini пишут медицинские ответы настолько убедительно, что провала почти не заметить. Метод позволяет получить клинически применимые ответы: с конкретными препаратами, дозировками и противопоказаниями вместо красивой воды. Вставь в промпт текст авторитетного источника — ВОЗ, NHS, Минздрав, инструкцию к препарату — и задача модели меняется с «придумай что-то про диабет» на «перескажи вот этот абзац структурированно». Вставка источника даёт +27% к точности — а явная просьба «называй конкретные препараты» не только не помогает, но у части моделей срабатывает наоборот.