Предвзятость LLM-судьи: модели хуже всего оценивают живое человеческое мышление

Обнаружено: LLM оценивает одни и те же задачи в 2.5 раза точнее, если решение написано AI, а не живым человеком. Метод позволяет получить от модели честную и строгую оценку — питча, эссе, концепции, решения — вместо систематически завышенного «в целом неплохо». Явная рубрика с требованием цитат переключает модель с режима «угадать паттерн» на режим «применить инструкцию»: она больше не может выдать размытый отзыв без привязки к конкретному месту в тексте — только цитата или 0 баллов.