Рубрика для LLM-судьи и один раунд самокритики: как заставить модель замечать реальные различия между гипотезами

Спрашиваешь у LLM «эти две гипотезы одинаковые или разные?» — и она пропускает замену ключевой причины в 62% случаев. Метод позволяет честно посчитать, сколько у тебя реально разных идей среди 12, 50 или 100 гипотез, а не сколько по-разному звучащих. Фишка: судью заставляют сравнивать не целое, а три куска по очереди — старт, путь, итог. Модель перестаёт оценивать общее впечатление и обязана остановиться на стартовой причине. Чувствительность растёт с 83% до 96%. Вторая находка: из пяти раундов самокритики работает только первый.