Классификация с LLM: почему примеры помогают не всем моделям, и откуда берётся систематический перекос

LLM не нейтральна при классификации — это знают многие. Но вот что удивляет: перекос не случайный шум. Запускаешь снова — те же категории снова переоценены. Метод структурированного промпта с примерами (multi-shot) позволяет этим управлять — но только если знаешь, под какую модель строишь промпт. Фишка: примеры значимо улучшают точность Claude — и вообще не действуют на DeepSeek. «Больше примеров = всегда лучше» — оказывается, миф.