PIHF (Policy Iteration with Human Feedback): как улучшать системный промпт через авторецензию модели

Та же модель, те же вопросы — но точность на ультра-редких болезнях прыгает с 10.7% до 60.7%. Единственная разница: наличие детальной пошаговой инструкции. PIHF позволяет систематически улучшать эту инструкцию без настройки модели — через авторецензию. Фишка: не ты угадываешь что не так с промптом — модель сама указывает, где её рассуждения пошли не туда. Ты фильтруешь критику, правишь инструкцию, повторяешь. 3-5 итераций вместо месяца проб вслепую.