Детализация описания: как конкретность промпта снижает предвзятость LLM при оценке людей

LLM не оценивает человека — она дописывает текст о группе, в которую его поместили. Написал «студент из малообеспеченной семьи» — модель тянет паттерн из миллионов похожих текстов, и два одинаково способных человека получают разные рекомендации. Разрыв в оценках между «малообеспеченным» и «состоятельным» при расплывчатом описании — почти балл из четырёх возможных. Метод позволяет резко снизить это смещение при оценке кандидатов, студентов или соискателей. Замени расплывчатые ярлыки измеримыми фактами — средний балл, конкретные результаты, числа. Детали буквально вытесняют стереотипы из контекста: разрыв сжимается почти в три раза.