C-DQI: рубрика оценки из примеров, а не из теории, и проверка её надёжности согласием разных моделей

Классическая учёная рубрика оценки обсуждений (DQI, индекс качества дискуссии) оказалась самой ненадёжной: разные модели ставили по ней разные баллы. Метод C-DQI позволяет собрать рубрику оценки из ~10 реальных примеров и проверить, что баллы не зависят от причуд одной модели. Фишка: рубрика строится снизу вверх из твоих данных, а проверка идёт согласием разных моделей. Модель выводит критерии из примеров, потом ChatGPT, Claude и Gemini ставят баллы по этим критериям. Баллы совпали — критерий понятный. Разбежались — его надо переписать.