MT-InfoSeek: почему LLM не умеют вовремя остановиться и спросить нужное

Когда правильный ответ — "нужны ещё 2 факта", модель в 4 раза чаще говорит "нужен 1", чем "нужно 3". Она чувствует пробел в данных, но не умеет посчитать его размер. Метод MT-InfoSeek позволяет заставить LLM собрать ровно столько уточнений, сколько реально нужно — вместо того чтобы отвечать наугад после первого же уточняющего вопроса. Фишка: если разрешить модели спрашивать по одному вопросу за реплику, а не выгружать все сразу списком, она точнее достраивает картину недостающих данных — потому что диалоговый контекст она держит гораздо лучше, чем внутренний счёт.