LLM-First Adjudication: как правильно попросить модель найти ошибки в тексте

Обнаружено: когда GPT помечал текст как ошибочный, а разметчики не соглашались — люди-арбитры, пересматривая спор, вставали на сторону модели. Не разметчиков. Модели. Это значит: бенчмарки не врали про галлюцинации — они врали про способность моделей их находить. Метод LLM-First Adjudication позволяет вытащить из модели конкретный проблемный фрагмент вместо размытого «возможно, есть неточность». Фишка: требуй два поля одновременно — причину и точные слова из текста. Модель не может написать объяснение без нахождения фрагмента, и не может указать фрагмент без обоснования — оба поля создают внутреннюю проверку, которую не обмануть общим ответом.