SCIFACTCHECK: специализированные «научные» LLM галлюцинируют чаще обычных — и звучат при этом увереннее

Парадокс: чем «научнее» модель, тем хуже она говорит о науке. Модели, дообученные на научных статьях, галлюцинируют чаще GPT-4o и Claude — и при этом звучат увереннее. Промпт с явным запросом хеджирующего языка и запретом на цитаты переключает модель из режима «уверенного эксперта» в режим «честного собеседника». Фишка: дообучение учит стилю научного письма — но не знаниям. Модель буквально «чувствует» неуверенность внутри (низкая вероятность предсказания токенов), но пишет так, будто знает точно.