Style Bias в LLM-оценке: как правильно просить модель судить тексты

LLM-судья выбирает markdown-текст в 76-92% случаев — даже когда сравнивает два абсолютно одинаковых по содержанию текста, где у одного просто красивее оформление. Метод S8 позволяет получать честную оценку: модель судит содержание, а не обёртку. Три слоя защиты работают в связке: явный запрет считать оформление, пошаговый разбор по критериям, два запроса с переставленными местами текстов A и B — в сумме это режет стилевое смещение сильнее, чем каждый приём по отдельности.