LLM-судья: почему нельзя доверять одной модели оценку текста — и как это исправить

Написал текст в ChatGPT — попросил ChatGPT его оценить? Поздравляю, результат предсказан заранее. Модель завышает оценку собственным текстам систематически — это не баг, это паттерн. Multi-judge протокол позволяет получить честную оценку вариантов текста: несколько разных моделей, конкретная рубрика, смена порядка. Три сдвига ломают любую одиночную оценку: длинный текст кажется лучше (verbosity bias), первый в списке выигрывает (position bias), своё ценится выше чужого (self-enhancement bias). Знаешь об этом — можешь нейтрализовать.