EngJudge: 8 стадий проверки вместо одного «всё выглядит хорошо»

Та же задача, та же модель: оценить целиком — 8/10, оценить по стадиям — 3/10. Это не разные качества работы. Это то, как LLM читает текст: складный финал перекрывает ошибку в середине. EngJudge позволяет вытащить реальные ошибки из любого плана, расчёта или аргумента — там где обычный запрос вернул бы «хорошо, можно доработать». Восемь XML-тегов создают восемь изолированных комнат — ошибка в допущениях не может спрятаться за красивым выводом: критичная ошибка в ранней стадии заражает оценку всех последующих.