Верификационная асимметрия: LLM оценивает убедительность, а не правоту — и как это исправить

Три разные модели-судьи приняли больше половины намеренно ошибочных ответов. Это не баг одной модели — все LLM оценивают убедительность, а не правоту. Метод де-якорения позволяет получить честную проверку: модель сначала отвечает сама, потом сравнивает — без слепого пятна. Фишка: модель фиксирует свой ответ до того, как видит проверяемый текст. Ложные срабатывания падают с 72% до 1.2% — в 60 раз, одним структурным приёмом в промпте.