Double Triangle Annotation: консенсус двух ИИ как сигнал качества

Если Claude ошибается в 8 случаях из 100, а GPT-4 — в 4 из 100, то вероятность что оба ошибутся одинаково на одном месте — меньше 0.3%. Метод позволяет точно находить где именно нужна человеческая проверка — вместо того чтобы проверять всё подряд или не проверять ничего. Фишка: разные провайдеры обучены разными командами на разных данных — их ошибки не совпадают. Задаёшь один вопрос двум разным ИИ: совпали — принимаешь, разошлись — смотришь только это место. Точность разметки в исследовании выросла до 94% при минимальном участии людей.