SPARTAN: LLM учится на своих же ошибках через цикл "играй-анализируй-применяй"

Парадокс: в играх с двумя ролями модель почти всегда играет одну роль сильно хуже другой — например, разоблачает ложь лучше, чем сама обманывает. SPaRTAN позволяет докачать слабую роль без дообучения весов — прямо внутри контекста. Модель играет несколько партий, потом читает свои же диалоги и пишет себе памятку-стратегию, которую вставляешь в системный промпт следующих попыток. Фишка: весь прирост дает всего один раунд самоанализа — дальше эффект не растет, а просто перекидывается с одной роли на другую.