3,583 papers
arXiv:2608.26832 74 27 авг. 2026 г. PRO

RuleWeaver: LLM хорошо цитируют правила, но теряют нить, когда вывод одного правила должен питать следующее

КЛЮЧЕВАЯ СУТЬ
90% точности на простых правилах → 14% на цепочках из них. Модель бормочет правильные цитаты, но не связывает вывод одного правила с условием следующего. Принцип из находки (это не готовый метод авторов, а реконструкция) позволяет разбирать договоры и регламенты с несколькими взаимосвязанными правилами без потери логики между пунктами. Модель не решает всё сразу: сначала выписывает правила, потом строит видимую цепочку правило → вывод → следующее правило, отдельно проверяя исключения. Именно исключения — самое слабое место: точность там падает до трети от максимума.
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Контент доступен только для PRO подписчиков

Чтобы получить доступ к концептам этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO
📖 Простыми словами

Контент доступен только для PRO подписчиков

Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с