Парное сравнение вместо рейтингов: LLM точнее оценивает через «что лучше», чем через «сколько баллов»

LLM ставит тексту 7 баллов сегодня и 5 завтра — это не случайность. Шкала от 1 до 10 для модели не существует как физический объект: она изобретает её заново при каждом запросе. Метод парного сравнения позволяет стабильно ранжировать тексты, задания и аргументы — без изобретения шкалы. Фишка: убери шкалу из задачи полностью — вместо «оцени от 1 до 10» спрашивай «вот A и B, что сложнее?». Модель сравнивает конкретные признаки, а не конструирует систему координат с нуля. Если нужны числа — два примера-якоря («вот 2/10, вот 9/10») дают шкале физический смысл и резко снижают разброс.