Many-Shot ICA: как давать модели много примеров и чинить ошибки по категориям

Проблема: запрос «проверь и исправь свою разметку» работает хуже, чем вообще не проверять — модель не знает где ошиблась, поэтому начинает трогать то, что работало правильно. Метод EAR (Error-Aware Refinement) позволяет исправлять ошибки извлечения сущностей прицельно, не ломая уже правильные пометки. Три отдельных прохода — лишние сущности, пропущенные, перепутанные типы — каждый со своими примерами ошибок. В паре с XML-форматом и ~100 примерами в промпте это выводит LLM на уровень специализированных ML-моделей без единой строки дообучения.