{"id":499359,"date":"2026-10-20T10:54:56","date_gmt":"2026-10-20T07:54:56","guid":{"rendered":"https:\/\/savepearlharbor.com\/?p=499359"},"modified":"2026-10-20T10:54:56","modified_gmt":"2026-10-20T07:54:56","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=499359","title":{"rendered":"\u0418\u0418 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u0442 \u0418\u0418: \u043a\u0430\u043a \u043e\u0434\u0438\u043d \u0430\u0433\u0435\u043d\u0442 \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u0435\u0442 \u0440\u0430\u0431\u043e\u0442\u0443 \u0434\u0440\u0443\u0433\u043e\u0433\u043e \u0438 \u043f\u043e\u0447\u0435\u043c\u0443 \u044d\u0442\u043e \u043d\u0435 \u043f\u0430\u043d\u0430\u0446\u0435\u044f"},"content":{"rendered":"
\n

\u041f\u0440\u043e\u0432\u0435\u0440\u0438\u0442\u044c \u0432\u0440\u0443\u0447\u043d\u0443\u044e \u0442\u044b\u0441\u044f\u0447\u0443 \u043e\u0442\u0432\u0435\u0442\u043e\u0432 \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0435\u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0443 \u0432\u0441\u0451 \u0447\u0430\u0449\u0435 \u043f\u043e\u0440\u0443\u0447\u0430\u044e\u0442 \u0434\u0440\u0443\u0433\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438. \u0421\u0445\u0435\u043c\u0430 \u0440\u0430\u0431\u043e\u0447\u0430\u044f, \u043d\u043e \u0443 \u043d\u0435\u0451 \u0435\u0441\u0442\u044c \u0441\u043b\u0435\u043f\u044b\u0435 \u043f\u044f\u0442\u043d\u0430: \u0441\u0443\u0434\u044c\u044f-\u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c \u043e\u0448\u0438\u0431\u0430\u0435\u0442\u0441\u044f \u0442\u0430\u043a \u0436\u0435, \u043a\u0430\u043a \u0442\u0430, \u043a\u043e\u0433\u043e \u043e\u043d\u0430 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u0442. \u0420\u0430\u0437\u0431\u0435\u0440\u0451\u043c, \u0433\u0434\u0435 \u0418\u0418-\u0441\u0443\u0434\u044c\u044f \u043f\u043e\u043b\u0435\u0437\u0435\u043d, \u0433\u0434\u0435 \u043b\u043e\u043c\u0430\u0435\u0442\u0441\u044f \u0438 \u043a\u0430\u043a\u043e\u0439 \u043a\u0430\u0440\u043a\u0430\u0441 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438 \u0441\u043e\u0431\u0440\u0430\u0442\u044c, \u0447\u0442\u043e\u0431\u044b \u043c\u0435\u0442\u043e\u0434 \u0434\u0430\u0432\u0430\u043b \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442, \u0430 \u043d\u0435 \u0438\u043b\u043b\u044e\u0437\u0438\u044e \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u044f.<\/p>\n

<\/figure>\n

\u0413\u043b\u0430\u0432\u043d\u043e\u0435 \u0437\u0430 \u043c\u0438\u043d\u0443\u0442\u0443<\/h3>\n

\u0418\u0418-\u0441\u0443\u0434\u044c\u044f \u0445\u043e\u0440\u043e\u0448\u043e \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u043d\u0430 \u0432\u043e\u043f\u0440\u043e\u0441 \u00ab\u043f\u043e\u0445\u043e\u0436 \u043b\u0438 \u043e\u0442\u0432\u0435\u0442 \u043d\u0430 \u0443\u0434\u0430\u0447\u043d\u044b\u0439\u00bb, \u043d\u043e \u043d\u0435 \u0437\u043d\u0430\u0435\u0442, \u043f\u0440\u0430\u0432\u0434\u0430 \u043b\u0438 \u043e\u043d \u0432\u0435\u0440\u0435\u043d, \u0438 \u043e\u0448\u0438\u0431\u0430\u0435\u0442\u0441\u044f \u0442\u0430\u043a \u0436\u0435, \u043a\u0430\u043a \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u043c\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c. \u0423 \u0441\u0443\u0434\u044c\u0438 \u0447\u0435\u0442\u044b\u0440\u0435 \u0438\u0437\u0432\u0435\u0441\u0442\u043d\u044b\u0445 \u043f\u0435\u0440\u0435\u043a\u043e\u0441\u0430: \u043e\u043d \u043b\u044e\u0431\u0438\u0442 \u043e\u0442\u0432\u0435\u0442, \u0441\u0442\u043e\u044f\u0449\u0438\u0439 \u043f\u0435\u0440\u0432\u044b\u043c, \u0434\u043b\u0438\u043d\u043d\u044b\u0439 \u043e\u0442\u0432\u0435\u0442, \u0441\u0432\u043e\u0438 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0435 \u0442\u0435\u043a\u0441\u0442\u044b \u0438 \u043e\u0442\u0432\u0435\u0442\u044b \u043f\u043e\u0445\u043e\u0436\u0438\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439. \u0421\u0430\u043c\u043e\u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0430 \u00ab\u043f\u0435\u0440\u0435\u0447\u0438\u0442\u0430\u0439 \u0438 \u0438\u0441\u043f\u0440\u0430\u0432\u044c\u00bb \u0431\u0435\u0437 \u0432\u043d\u0435\u0448\u043d\u0438\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0441\u043b\u0430\u0431\u0430\u044f. \u041d\u0430\u0434\u0451\u0436\u043d\u0435\u0435 \u0441\u043e\u0431\u0440\u0430\u0442\u044c \u043f\u043e\u0440\u044f\u0434\u043e\u043a \u0438\u0437 \u0448\u0430\u0433\u043e\u0432: \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u043a\u043e\u0434 \u0438 \u0442\u0435\u0441\u0442\u044b, \u043f\u043e\u0442\u043e\u043c \u0441\u0443\u0434\u044c\u044f \u0434\u0440\u0443\u0433\u043e\u0433\u043e \u0441\u0435\u043c\u0435\u0439\u0441\u0442\u0432\u0430 \u0441 \u043f\u043e\u0434\u0440\u043e\u0431\u043d\u043e\u0439 \u0440\u0443\u0431\u0440\u0438\u043a\u043e\u0439, \u0437\u0430\u0442\u0435\u043c \u0441\u0432\u0435\u0440\u043a\u0430 \u0441 \u043e\u0446\u0435\u043d\u043a\u0430\u043c\u0438 \u043b\u044e\u0434\u0435\u0439 \u0438 \u0447\u0435\u043b\u043e\u0432\u0435\u043a \u043d\u0430 \u0441\u043f\u043e\u0440\u043d\u044b\u0445 \u0438 \u043d\u0435\u043e\u0431\u0440\u0430\u0442\u0438\u043c\u044b\u0445 \u0440\u0435\u0448\u0435\u043d\u0438\u044f\u0445.<\/p>\n

\u0417\u0430\u0447\u0435\u043c \u043d\u0443\u0436\u0435\u043d \u0418\u0418-\u0441\u0443\u0434\u044c\u044f<\/h3>\n

\u041a\u043e\u0433\u0434\u0430 \u043a\u043e\u043c\u0430\u043d\u0434\u0430 \u0432\u044b\u043f\u0443\u0441\u043a\u0430\u0435\u0442 \u0447\u0430\u0442-\u0431\u043e\u0442\u0430, \u0433\u0435\u043d\u0435\u0440\u0430\u0442\u043e\u0440 \u0442\u0435\u043a\u0441\u0442\u043e\u0432 \u0438\u043b\u0438 \u0430\u0433\u0435\u043d\u0442\u0430, \u0443 \u043d\u0435\u0451 \u0431\u044b\u0441\u0442\u0440\u043e \u043f\u043e\u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0432\u043e\u043f\u0440\u043e\u0441: \u043a\u0430\u043a \u0443\u0437\u043d\u0430\u0442\u044c, \u0447\u0442\u043e \u043e\u0447\u0435\u0440\u0435\u0434\u043d\u043e\u0435 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u0435 \u043f\u0440\u043e\u043c\u043f\u0442\u0430 \u0438\u043b\u0438 \u0441\u043c\u0435\u043d\u0430 \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0435 \u0443\u0445\u0443\u0434\u0448\u0438\u043b\u0438 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442? \u041f\u0440\u043e\u0447\u0438\u0442\u0430\u0442\u044c \u0433\u043b\u0430\u0437\u0430\u043c\u0438 5 000 \u043e\u0442\u0432\u0435\u0442\u043e\u0432 \u043f\u043e\u0441\u043b\u0435 \u043a\u0430\u0436\u0434\u043e\u0439 \u043f\u0440\u0430\u0432\u043a\u0438 \u043d\u0435 \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u0441\u044f. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0443 \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0437\u0438\u0440\u0443\u044e\u0442, \u0438 \u0443 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u0438 Anthropic \u043d\u0430 \u044d\u0442\u043e\u0442 \u0441\u0447\u0451\u0442 \u0435\u0441\u0442\u044c \u043f\u0440\u043e\u0441\u0442\u0430\u044f \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044f. \u041a\u043e\u0434 \u2014 \u0441\u0430\u043c\u044b\u0439 \u0431\u044b\u0441\u0442\u0440\u044b\u0439 \u0438 \u043d\u0430\u0434\u0451\u0436\u043d\u044b\u0439 \u0441\u043f\u043e\u0441\u043e\u0431 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438, \u043d\u043e \u043d\u0435\u0433\u0438\u0431\u043a\u0438\u0439: \u043e\u043d \u043b\u043e\u0432\u0438\u0442 \u0442\u043e\u043b\u044c\u043a\u043e \u0442\u043e, \u0447\u0442\u043e \u043c\u043e\u0436\u043d\u043e \u043e\u043f\u0438\u0441\u0430\u0442\u044c \u043f\u0440\u0430\u0432\u0438\u043b\u043e\u043c. \u0427\u0435\u043b\u043e\u0432\u0435\u043a \u2014 \u0441\u0430\u043c\u044b\u0439 \u0433\u0438\u0431\u043a\u0438\u0439 \u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0439, \u043d\u043e \u043c\u0435\u0434\u043b\u0435\u043d\u043d\u044b\u0439 \u0438 \u0434\u043e\u0440\u043e\u0433\u043e\u0439. \u0418\u0418-\u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0430<\/a> \u0431\u044b\u0441\u0442\u0440\u0430\u044f \u0438 \u0433\u0438\u0431\u043a\u0430\u044f, \u043e\u0434\u043d\u0430\u043a\u043e \u0435\u0451 \u043d\u0430\u0434\u0451\u0436\u043d\u043e\u0441\u0442\u044c \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u043d\u0443\u0436\u043d\u043e \u043f\u043e\u0434\u0442\u0432\u0435\u0440\u0434\u0438\u0442\u044c, \u0438 \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u0442\u043e\u043c \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u043e\u0432\u0430\u0442\u044c.<\/p>\n

\u042d\u0442\u0430 \u043a\u043b\u0430\u0441\u0441\u0438\u0444\u0438\u043a\u0430\u0446\u0438\u044f \u0437\u0430\u0434\u0430\u0451\u0442 \u0440\u0430\u043c\u043a\u0443 \u0432\u0441\u0435\u0439 \u0441\u0442\u0430\u0442\u044c\u0438. \u0418\u0418-\u0441\u0443\u0434\u044c\u044f \u043d\u0435 \u0437\u0430\u043c\u0435\u043d\u044f\u0435\u0442 \u043d\u0438 \u043a\u043e\u0434, \u043d\u0438 \u0447\u0435\u043b\u043e\u0432\u0435\u043a\u0430. \u041e\u043d \u0437\u0430\u043a\u0440\u044b\u0432\u0430\u0435\u0442 \u0441\u0440\u0435\u0434\u043d\u044e\u044e \u0437\u043e\u043d\u0443: \u043e\u0446\u0435\u043d\u043a\u0443 \u0442\u043e\u0433\u043e, \u0447\u0442\u043e \u043d\u0435 \u043f\u0440\u043e\u0432\u0435\u0440\u0438\u0448\u044c \u0440\u0435\u0433\u0443\u043b\u044f\u0440\u043d\u044b\u043c \u0432\u044b\u0440\u0430\u0436\u0435\u043d\u0438\u0435\u043c, \u043d\u043e \u043d\u0430 \u0447\u0442\u043e \u043d\u0435\u0442 \u0432\u0440\u0435\u043c\u0435\u043d\u0438 \u0443 \u043b\u044e\u0434\u0435\u0439. \u0412\u0441\u044f \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u044c \u0432 \u0442\u043e\u043c, \u0447\u0442\u043e \u0443 \u0441\u0443\u0434\u044c\u0438 \u0435\u0441\u0442\u044c \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0435 \u043e\u0448\u0438\u0431\u043a\u0438, \u0438 \u0447\u0430\u0441\u0442\u044c \u0438\u0437 \u043d\u0438\u0445 \u0441\u043e\u0432\u043f\u0430\u0434\u0430\u0435\u0442 \u0441 \u043e\u0448\u0438\u0431\u043a\u0430\u043c\u0438 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u043c\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438.<\/p>\n

\u041a\u0430\u043a \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u043c\u043e\u0434\u0435\u043b\u044c-\u0441\u0443\u0434\u044c\u044f<\/h3>\n

\u0418\u0434\u0435\u044f \u043f\u0440\u043e\u0441\u0442\u0430\u044f: \u0432\u044b \u0434\u0430\u0451\u0442\u0435 \u0441\u0438\u043b\u044c\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u0432\u043e\u043f\u0440\u043e\u0441, \u043e\u0442\u0432\u0435\u0442 (\u0438\u043b\u0438 \u0434\u0432\u0430 \u043e\u0442\u0432\u0435\u0442\u0430) \u0438 \u043a\u0440\u0438\u0442\u0435\u0440\u0438\u0438, \u0430 \u043e\u043d\u0430 \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043e\u0446\u0435\u043d\u043a\u0443. \u0413\u043b\u0430\u0432\u043d\u0443\u044e \u0440\u0430\u0431\u043e\u0442\u0443 \u043f\u043e \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0435 \u044d\u0442\u043e\u0433\u043e \u043f\u043e\u0434\u0445\u043e\u0434\u0430 \u043f\u0440\u043e\u0432\u0435\u043b\u0438 Zheng \u0438 \u0441\u043e\u0430\u0432\u0442\u043e\u0440\u044b \u043d\u0430 \u0442\u0435\u0441\u0442\u0430\u0445 MT-Bench \u0438 Chatbot Arena. \u041e\u043d\u0438 \u043f\u043e\u043a\u0430\u0437\u0430\u043b\u0438, \u0447\u0442\u043e \u0441\u0438\u043b\u044c\u043d\u044b\u0435 \u0441\u0443\u0434\u044c\u0438 \u0432\u0440\u043e\u0434\u0435 GPT-4 \u0441\u043e\u0432\u043f\u0430\u0434\u0430\u043b\u0438 \u0441 \u0447\u0435\u043b\u043e\u0432\u0435\u0447\u0435\u0441\u043a\u0438\u043c\u0438 \u043f\u0440\u0435\u0434\u043f\u043e\u0447\u0442\u0435\u043d\u0438\u044f\u043c\u0438 \u0431\u043e\u043b\u0435\u0435 \u0447\u0435\u043c \u0432 80% \u0441\u043b\u0443\u0447\u0430\u0435\u0432. \u042d\u0442\u043e \u0442\u043e\u0442 \u0436\u0435 \u0443\u0440\u043e\u0432\u0435\u043d\u044c, \u0447\u0442\u043e \u0441\u043e\u0433\u043b\u0430\u0441\u0438\u0435 \u043c\u0435\u0436\u0434\u0443 \u0441\u0430\u043c\u0438\u043c\u0438 \u043b\u044e\u0434\u044c\u043c\u0438, 81%<\/a>.<\/p>\n

\u041d\u043e \u0446\u0438\u0444\u0440\u0430 80% \u0433\u043e\u0432\u043e\u0440\u0438\u0442 \u043f\u0440\u043e \u0441\u043e\u0433\u043b\u0430\u0441\u0438\u0435 \u0441 \u043b\u044e\u0434\u044c\u043c\u0438 \u0432 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0438 \u0434\u0432\u0443\u0445 \u043e\u0442\u0432\u0435\u0442\u043e\u0432 \u043f\u043e \u043e\u0431\u0449\u0435\u043c\u0443 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0443. \u0418\u0437 \u043d\u0435\u0451 \u043d\u0435 \u0441\u043b\u0435\u0434\u0443\u0435\u0442, \u0447\u0442\u043e \u0441\u0443\u0434\u044c\u044f \u043d\u0430\u0439\u0434\u0451\u0442 \u043e\u0448\u0438\u0431\u043a\u0443 \u0432 \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u043e\u043c \u0440\u0430\u0441\u0447\u0451\u0442\u0435 \u0438\u043b\u0438 \u0432\u044b\u0434\u0443\u043c\u0430\u043d\u043d\u0443\u044e \u0441\u0441\u044b\u043b\u043a\u0443. \u0421\u0430\u043c\u0438 \u0430\u0432\u0442\u043e\u0440\u044b \u0441\u0440\u0430\u0437\u0443 \u043d\u0430\u0437\u044b\u0432\u0430\u044e\u0442 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f: \u043f\u0440\u0435\u0434\u0432\u0437\u044f\u0442\u043e\u0441\u0442\u044c \u043a \u043f\u043e\u0437\u0438\u0446\u0438\u0438 \u043e\u0442\u0432\u0435\u0442\u0430, \u043a \u0434\u043b\u0438\u043d\u0435 \u0438 \u043a \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u043c \u0442\u0435\u043a\u0441\u0442\u0430\u043c, \u0430 \u0442\u0430\u043a\u0436\u0435 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u043d\u044b\u0435 \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u0438 \u0441\u0443\u0434\u044c\u0438 \u043a \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u044e. \u042d\u0442\u0438 \u0447\u0435\u0442\u044b\u0440\u0435 \u043f\u0443\u043d\u043a\u0442\u0430 \u043c\u044b \u0440\u0430\u0437\u0431\u0435\u0440\u0451\u043c \u043f\u043e\u0434\u0440\u043e\u0431\u043d\u043e \u043d\u0438\u0436\u0435.<\/p>\n

\u0418\u0437 \u0440\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0430\u0446\u0438\u0439 Anthropic \u0434\u043b\u044f \u0418\u0418-\u043e\u0446\u0435\u043d\u043a\u0438 \u043c\u043e\u0436\u043d\u043e \u0441\u043e\u0431\u0440\u0430\u0442\u044c \u0440\u0430\u0431\u043e\u0447\u0438\u0439 \u043c\u0438\u043d\u0438\u043c\u0443\u043c:<\/p>\n

    \n
  1. \n

    \u041f\u0438\u0441\u0430\u0442\u044c \u043f\u043e\u0434\u0440\u043e\u0431\u043d\u0443\u044e \u0440\u0443\u0431\u0440\u0438\u043a\u0443: \u0447\u0442\u043e \u0438\u043c\u0435\u043d\u043d\u043e \u0441\u0447\u0438\u0442\u0430\u0435\u0442\u0441\u044f \u0445\u043e\u0440\u043e\u0448\u0438\u043c \u043e\u0442\u0432\u0435\u0442\u043e\u043c, \u0430 \u043d\u0435 \u00ab\u043e\u0446\u0435\u043d\u0438 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e\u00bb.<\/p>\n<\/li>\n

  2. \n

    \u041f\u0440\u043e\u0441\u0438\u0442\u044c \u0432\u0435\u0440\u0434\u0438\u043a\u0442 \u0432 \u0436\u0451\u0441\u0442\u043a\u043e\u043c \u0444\u043e\u0440\u043c\u0430\u0442\u0435: \u00ab\u0432\u0435\u0440\u043d\u043e\/\u043d\u0435\u0432\u0435\u0440\u043d\u043e\u00bb \u0438\u043b\u0438 \u043e\u0446\u0435\u043d\u043a\u0443 \u043f\u043e \u0448\u043a\u0430\u043b\u0435 1\u20135.<\/p>\n<\/li>\n

  3. \n

    \u041f\u0440\u043e\u0441\u0438\u0442\u044c \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u0435, \u043f\u043e\u0442\u043e\u043c \u0432\u0435\u0440\u0434\u0438\u043a\u0442.<\/p>\n<\/li>\n

  4. \n

    \u0418\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c \u0434\u043b\u044f \u043e\u0446\u0435\u043d\u043a\u0438 \u0434\u0440\u0443\u0433\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c, \u0447\u0435\u043c \u0442\u0430, \u0447\u0442\u043e \u043f\u0438\u0441\u0430\u043b\u0430 \u043e\u0442\u0432\u0435\u0442.<\/p>\n<\/li>\n<\/ol>\n

    \u041f\u0440\u0438\u043c\u0435\u0440 \u0440\u0443\u0431\u0440\u0438\u043a\u0438 \u0438\u0437 \u0434\u0432\u043e\u0438\u0447\u043d\u044b\u0445 \u043a\u0440\u0438\u0442\u0435\u0440\u0438\u0435\u0432 \u0434\u043b\u044f \u043e\u0442\u0432\u0435\u0442\u0430 \u0441\u043b\u0443\u0436\u0431\u044b \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0438: \u043d\u0430\u0437\u0432\u0430\u043d \u043d\u043e\u043c\u0435\u0440 \u0437\u0430\u043a\u0430\u0437\u0430 \u0438\u0437 \u0437\u0430\u043f\u0440\u043e\u0441\u0430; \u043d\u0435 \u043e\u0431\u0435\u0449\u0430\u043d\u044b \u0441\u0440\u043e\u043a\u0438, \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043d\u0435\u0442 \u0432 \u0431\u0430\u0437\u0435 \u0437\u043d\u0430\u043d\u0438\u0439; \u043d\u0435\u0442 \u043f\u0440\u043e\u0441\u044c\u0431\u044b \u043f\u0440\u0438\u0441\u043b\u0430\u0442\u044c \u043f\u0430\u0440\u043e\u043b\u044c; \u043f\u0440\u0435\u0434\u043b\u043e\u0436\u0435\u043d \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0448\u0430\u0433. \u041a\u0430\u0436\u0434\u044b\u0439 \u043f\u0443\u043d\u043a\u0442 \u0441\u0443\u0434\u044c\u044f \u043f\u043e\u043c\u0435\u0447\u0430\u0435\u0442 \u043a\u0430\u043a PASS \u0438\u043b\u0438 FAIL \u0438 \u0446\u0438\u0442\u0438\u0440\u0443\u0435\u0442 \u0444\u0440\u0430\u0433\u043c\u0435\u043d\u0442 \u043e\u0442\u0432\u0435\u0442\u0430, \u043d\u0430 \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043e\u043f\u0438\u0440\u0430\u0435\u0442\u0441\u044f. \u0422\u0430\u043a\u043e\u0439 \u0444\u043e\u0440\u043c\u0430\u0442 \u043f\u0440\u043e\u0449\u0435 \u043a\u0430\u043b\u0438\u0431\u0440\u043e\u0432\u0430\u0442\u044c \u0438 \u043f\u0440\u043e\u0449\u0435 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0442\u044c \u0433\u043b\u0430\u0437\u0430\u043c\u0438, \u0447\u0435\u043c \u0430\u0431\u0441\u0442\u0440\u0430\u043a\u0442\u043d\u0443\u044e \u043e\u0446\u0435\u043d\u043a\u0443 \u00ab7 \u0438\u0437 10\u00bb.<\/p>\n

    <\/figure>\n

    \u0427\u0435\u0442\u044b\u0440\u0435 \u0441\u043b\u0435\u043f\u044b\u0445 \u043f\u044f\u0442\u043d\u0430 \u0441\u0443\u0434\u044c\u0438<\/h3>\n

    \u041e\u0448\u0438\u0431\u043a\u0438 \u0441\u0443\u0434\u044c\u0438 \u043d\u0435 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u044b: \u043e\u043d\u0438 \u043f\u043e\u0432\u0442\u043e\u0440\u044f\u044e\u0442\u0441\u044f \u0438 \u043f\u043e\u0434\u0434\u0430\u044e\u0442\u0441\u044f \u0438\u0437\u043c\u0435\u0440\u0435\u043d\u0438\u044e. \u0412\u043e\u0442 \u0447\u0435\u0442\u044b\u0440\u0435, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043e\u043f\u0438\u0441\u0430\u043d\u044b \u0432 \u0440\u0430\u0431\u043e\u0442\u0430\u0445 2023\u20132025 \u0433\u043e\u0434\u043e\u0432.<\/p>\n

    \u041f\u043e\u0437\u0438\u0446\u0438\u044f \u043e\u0442\u0432\u0435\u0442\u0430<\/h4>\n

    \u041f\u0440\u0438 \u043f\u0430\u0440\u043d\u043e\u043c \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0438 \u0431\u043e\u043b\u044c\u0448\u0438\u043d\u0441\u0442\u0432\u043e \u0441\u0443\u0434\u0435\u0439 \u0441\u043a\u043b\u043e\u043d\u043d\u043e \u043f\u0440\u0435\u0434\u043f\u043e\u0447\u0438\u0442\u0430\u0442\u044c \u043e\u0442\u0432\u0435\u0442, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0441\u0442\u043e\u0438\u0442 \u043f\u0435\u0440\u0432\u044b\u043c. \u0415\u0441\u043b\u0438 \u0432\u044b \u043f\u0440\u043e\u0441\u0442\u043e \u043f\u0440\u043e\u0441\u0438\u0442\u0435 \u0432\u044b\u0431\u0440\u0430\u0442\u044c \u043b\u0443\u0447\u0448\u0438\u0439 \u0438\u0437 A \u0438 B, \u0447\u0430\u0441\u0442\u044c \u00ab\u043f\u043e\u0431\u0435\u0434\u00bb \u0434\u043e\u0441\u0442\u0430\u0451\u0442\u0441\u044f \u043d\u0435 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0443, \u0430 \u043f\u043e\u0440\u044f\u0434\u043a\u0443<\/a>. \u041b\u0435\u0447\u0438\u0442\u0441\u044f \u0434\u0451\u0448\u0435\u0432\u043e: \u043f\u0440\u043e\u0433\u043d\u0430\u0442\u044c \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0435 \u0434\u0432\u0430\u0436\u0434\u044b, \u043f\u043e\u043c\u0435\u043d\u044f\u0432 \u043e\u0442\u0432\u0435\u0442\u044b \u043c\u0435\u0441\u0442\u0430\u043c\u0438, \u0438 \u0437\u0430\u0441\u0447\u0438\u0442\u044b\u0432\u0430\u0442\u044c \u043f\u043e\u0431\u0435\u0434\u0443 \u0442\u043e\u043b\u044c\u043a\u043e \u0442\u043e\u0433\u0434\u0430, \u043a\u043e\u0433\u0434\u0430 \u0432\u0435\u0440\u0434\u0438\u043a\u0442 \u043d\u0435 \u0437\u0430\u0432\u0438\u0441\u0438\u0442 \u043e\u0442 \u043f\u043e\u0440\u044f\u0434\u043a\u0430.<\/p>\n

    \u0414\u043b\u0438\u043d\u0430<\/h4>\n

    \u0412 \u0442\u0435\u0441\u0442\u0435 \u00ab\u043f\u043e\u0432\u0442\u043e\u0440\u044f\u044e\u0449\u0435\u0433\u043e\u0441\u044f \u0441\u043f\u0438\u0441\u043a\u0430\u00bb GPT-3.5 \u0438 Claude v1 \u043e\u0442\u0434\u0430\u0432\u0430\u043b\u0438 \u043f\u0440\u0435\u0434\u043f\u043e\u0447\u0442\u0435\u043d\u0438\u0435 \u0431\u043e\u043b\u0435\u0435 \u0434\u043b\u0438\u043d\u043d\u043e\u043c\u0443 \u043e\u0442\u0432\u0435\u0442\u0443, \u0434\u0430\u0436\u0435 \u043a\u043e\u0433\u0434\u0430 \u0434\u043b\u0438\u043d\u0430 \u0434\u043e\u0441\u0442\u0438\u0433\u0430\u043b\u0430\u0441\u044c \u043f\u0443\u0441\u0442\u044b\u043c \u043f\u043e\u0432\u0442\u043e\u0440\u043e\u043c. GPT-4 \u0441 \u044d\u0442\u0438\u043c \u0441\u043f\u0440\u0430\u0432\u043b\u044f\u043b\u0441\u044f<\/a>. \u041e\u0433\u043e\u0432\u043e\u0440\u043a\u0430 \u043f\u043e \u0432\u043e\u0437\u0440\u0430\u0441\u0442\u0443: \u044d\u0442\u043e \u043c\u043e\u0434\u0435\u043b\u0438 2023 \u0433\u043e\u0434\u0430, \u0438 \u043d\u044b\u043d\u0435\u0448\u043d\u0438\u0435 \u0432\u0435\u0434\u0443\u0442 \u0441\u0435\u0431\u044f \u0438\u043d\u0430\u0447\u0435, \u043d\u043e \u043f\u0440\u043e\u0432\u0435\u0440\u0438\u0442\u044c \u043d\u0430 \u0441\u0432\u043e\u0438\u0445 \u0434\u0430\u043d\u043d\u044b\u0445, \u043d\u0435 \u043d\u0430\u0433\u0440\u0430\u0436\u0434\u0430\u0435\u0442 \u043b\u0438 \u0432\u0430\u0448 \u0441\u0443\u0434\u044c\u044f \u043c\u043d\u043e\u0433\u043e\u0441\u043b\u043e\u0432\u0438\u0435, \u0441\u0442\u043e\u0438\u0442 \u0432\u0441\u0451 \u0440\u0430\u0432\u043d\u043e.<\/p>\n

    \u0421\u0430\u043c\u043e\u043f\u0440\u0435\u0434\u043f\u043e\u0447\u0442\u0435\u043d\u0438\u0435<\/h4>\n

    \u0421\u0443\u0434\u044c\u044f \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u0435\u0442 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0435 \u0442\u0435\u043a\u0441\u0442\u044b \u0432\u044b\u0448\u0435, \u0447\u0435\u043c \u043b\u044e\u0434\u0438-\u0440\u0430\u0437\u043c\u0435\u0442\u0447\u0438\u043a\u0438, \u043f\u0440\u0438 \u0441\u043e\u043f\u043e\u0441\u0442\u0430\u0432\u0438\u043c\u043e\u043c \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435. \u0427\u0435\u043c \u043b\u0443\u0447\u0448\u0435 \u043c\u043e\u0434\u0435\u043b\u044c \u0443\u0437\u043d\u0430\u0451\u0442 \u0441\u0432\u043e\u0438 \u0442\u0435\u043a\u0441\u0442\u044b, \u0442\u0435\u043c \u0441\u0438\u043b\u044c\u043d\u0435\u0435 \u044d\u0442\u043e \u0441\u043c\u0435\u0449\u0435\u043d\u0438\u0435<\/a>. \u041f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0432\u044b\u0432\u043e\u0434: \u0435\u0441\u043b\u0438 \u043e\u0442\u0432\u0435\u0442 \u043f\u0438\u0441\u0430\u043b\u0430 \u043c\u043e\u0434\u0435\u043b\u044c X, \u0441\u0442\u0430\u0432\u0438\u0442\u044c X \u0436\u0435 \u0432 \u0441\u0443\u0434\u044c\u0438 \u043d\u0435\u043b\u044c\u0437\u044f.<\/p>\n

    \u0421\u0445\u043e\u0434\u0441\u0442\u0432\u043e \u043c\u043e\u0434\u0435\u043b\u0435\u0439<\/h4>\n

    \u0421\u0443\u0434\u044c\u0438 \u043e\u0442\u0434\u0430\u044e\u0442 \u043f\u0440\u0435\u0434\u043f\u043e\u0447\u0442\u0435\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u044f\u043c, \u0444\u0443\u043d\u043a\u0446\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u043e \u043f\u043e\u0445\u043e\u0436\u0438\u043c \u043d\u0430 \u043d\u0438\u0445, \u0430 \u043e\u0448\u0438\u0431\u043a\u0438 \u0441\u0438\u043b\u044c\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0441\u0442\u0430\u043d\u043e\u0432\u044f\u0442\u0441\u044f \u0432\u0441\u0451 \u0431\u043e\u043b\u0435\u0435 \u043f\u043e\u0445\u043e\u0436\u0438\u043c\u0438<\/a>. \u041e\u0442\u0434\u0435\u043b\u044c\u043d\u043e\u0435 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0435 \u043d\u0430 350+ \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u043f\u043e\u043a\u0430\u0437\u0430\u043b\u043e, \u0447\u0442\u043e \u0438\u0445 \u043e\u0448\u0438\u0431\u043a\u0438 \u043a\u043e\u0440\u0440\u0435\u043b\u0438\u0440\u0443\u044e\u0442, \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u0443 \u0442\u043e\u0447\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0438 \u0443 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043e\u0434\u043d\u043e\u0433\u043e \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u0430<\/a>. \u0412\u044b\u0445\u043e\u0434\u0438\u0442, \u0447\u0442\u043e \u00ab\u0441\u0443\u0434\u044c\u044f \u0438\u0437 \u0434\u0440\u0443\u0433\u043e\u0433\u043e \u0441\u0435\u043c\u0435\u0439\u0441\u0442\u0432\u0430\u00bb \u043f\u043e\u043b\u0435\u0437\u043d\u0435\u0435, \u0447\u0435\u043c \u00ab\u0435\u0449\u0451 \u043e\u0434\u043d\u0430 \u043a\u043e\u043f\u0438\u044f \u0442\u043e\u0433\u043e \u0436\u0435\u00bb.<\/p>\n

    \u0417\u0434\u0435\u0441\u044c \u0432\u043e\u0437\u043d\u0438\u043a\u0430\u0435\u0442 \u0441\u043e\u0431\u043b\u0430\u0437\u043d \u0441\u043e\u0431\u0440\u0430\u0442\u044c \u043f\u0430\u043d\u0435\u043b\u044c \u0438\u0437 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u0445 \u0441\u0443\u0434\u0435\u0439. \u0420\u0430\u0431\u043e\u0442\u0430 Verga \u0438 \u0441\u043e\u0430\u0432\u0442\u043e\u0440\u043e\u0432 \u043f\u043e\u043a\u0430\u0437\u0430\u043b\u0430, \u0447\u0442\u043e \u043f\u0430\u043d\u0435\u043b\u044c \u0438\u0437 \u0440\u0430\u0437\u043d\u044b\u0445 \u043d\u0435\u0431\u043e\u043b\u044c\u0448\u0438\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043c\u043e\u0436\u0435\u0442 \u043f\u0440\u0435\u0432\u0437\u043e\u0439\u0442\u0438 \u043e\u0434\u043d\u043e\u0433\u043e \u043a\u0440\u0443\u043f\u043d\u043e\u0433\u043e \u0441\u0443\u0434\u044c\u044e. \u041d\u043e \u0435\u0441\u043b\u0438 \u043e\u0448\u0438\u0431\u043a\u0438 \u0441\u0438\u043b\u044c\u043d\u043e \u043a\u043e\u0440\u0440\u0435\u043b\u0438\u0440\u0443\u044e\u0442, \u0432\u044b\u0438\u0433\u0440\u044b\u0448 \u0442\u0430\u0435\u0442: \u0432 \u043f\u0440\u0435\u043f\u0440\u0438\u043d\u0442\u0435 2026<\/a> \u0433\u043e\u0434\u0430 \u0434\u0435\u0432\u044f\u0442\u044c \u0441\u0443\u0434\u0435\u0439 \u0434\u0430\u0432\u0430\u043b\u0438 \u043e\u043a\u043e\u043b\u043e \u0434\u0432\u0443\u0445 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u044b\u0445 \u0433\u043e\u043b\u043e\u0441\u043e\u0432. \u042d\u0442\u043e \u043f\u0440\u0435\u043f\u0440\u0438\u043d\u0442, \u0438 \u043c\u044b \u043f\u0440\u0438\u0432\u043e\u0434\u0438\u043c \u0435\u0433\u043e \u043a\u0430\u043a \u0438\u043b\u043b\u044e\u0441\u0442\u0440\u0430\u0446\u0438\u044e, \u0430 \u043d\u0435 \u043a\u0430\u043a \u0443\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u043d\u044b\u0439 \u0444\u0430\u043a\u0442. \u0412\u044b\u0432\u043e\u0434 \u0434\u043b\u044f \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0438 \u0442\u0430\u043a\u043e\u0439: \u0441\u0447\u0438\u0442\u0430\u0439\u0442\u0435 \u043d\u0435 \u0447\u0438\u0441\u043b\u043e \u0441\u0443\u0434\u0435\u0439, \u0430 \u0447\u0438\u0441\u043b\u043e \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u044b\u0445 \u0441\u0435\u043c\u0435\u0439\u0441\u0442\u0432 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0438 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0439\u0442\u0435 \u0441\u043e\u0433\u043b\u0430\u0441\u0438\u0435 \u043d\u0430 \u0440\u0430\u0437\u043c\u0435\u0447\u0435\u043d\u043d\u043e\u0439 \u0432\u044b\u0431\u043e\u0440\u043a\u0435.<\/p>\n

    \u0415\u0441\u043b\u0438 \u0432\u044b \u0432\u044b\u0431\u0438\u0440\u0430\u0435\u0442\u0435, \u043a\u0430\u043a\u0443\u044e \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0441\u0443\u0434\u044c\u0451\u0439, \u043e\u0440\u0438\u0435\u043d\u0442\u0438\u0440 \u043f\u043e \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u0438 \u043e\u0442\u0432\u0435\u0442\u043e\u0432 \u043d\u0430 \u0432\u043e\u043f\u0440\u043e\u0441\u044b \u0435\u0441\u0442\u044c \u0432 \u043d\u0430\u0448\u0435\u043c \u043e\u0431\u0437\u043e\u0440\u0435 \u0432 \u0431\u043b\u043e\u0433\u0435<\/a>.<\/p>\n

    \u041f\u043e\u0447\u0435\u043c\u0443 \u0441\u0430\u043c\u043e\u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0430 \u0431\u0435\u0437 \u0432\u043d\u0435\u0448\u043d\u0438\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0441\u043b\u0430\u0431\u0430<\/h3>\n

    \u0427\u0430\u0441\u0442\u0430\u044f \u0438\u0434\u0435\u044f \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0442\u0430\u043a: \u043f\u0443\u0441\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0435\u0440\u0435\u0447\u0438\u0442\u0430\u0435\u0442 \u0441\u0432\u043e\u0439 \u043e\u0442\u0432\u0435\u0442 \u0438 \u0438\u0441\u043f\u0440\u0430\u0432\u0438\u0442 \u043e\u0448\u0438\u0431\u043a\u0438. \u0417\u0432\u0443\u0447\u0438\u0442 \u043b\u043e\u0433\u0438\u0447\u043d\u043e, \u043d\u043e \u0434\u0430\u043d\u043d\u044b\u0435 \u0433\u043e\u0432\u043e\u0440\u044f\u0442 \u0438\u043d\u043e\u0435. Huang \u0438 \u0441\u043e\u0430\u0432\u0442\u043e\u0440\u044b (ICLR 2024) \u043f\u043e\u043a\u0430\u0437\u0430\u043b\u0438, \u0447\u0442\u043e \u0431\u0435\u0437 \u0432\u043d\u0435\u0448\u043d\u0435\u0439 \u043e\u0431\u0440\u0430\u0442\u043d\u043e\u0439 \u0441\u0432\u044f\u0437\u0438 \u043c\u043e\u0434\u0435\u043b\u0438 \u043f\u043b\u043e\u0445\u043e \u0438\u0441\u043f\u0440\u0430\u0432\u043b\u044f\u044e\u0442 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0435 \u043e\u0442\u0432\u0435\u0442\u044b, \u0430 \u0438\u043d\u043e\u0433\u0434\u0430 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u0434\u0430\u0436\u0435 \u043f\u0430\u0434\u0430\u0435\u0442. \u041f\u043e\u043c\u043e\u0433\u0430\u044e\u0442 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438<\/a> \u0441 \u0432\u043d\u0435\u0448\u043d\u0438\u043c\u0438 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u0430\u043c\u0438: \u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0435 \u043a\u043e\u0434\u0430, \u043f\u043e\u0438\u0441\u043a, \u043a\u0430\u043b\u044c\u043a\u0443\u043b\u044f\u0442\u043e\u0440. \u041f\u043e\u0434\u0445\u043e\u0434 CRITIC, \u0432 \u043a\u043e\u0442\u043e\u0440\u043e\u043c \u043c\u043e\u0434\u0435\u043b\u044c \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u044b \u0434\u043b\u044f \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0445 \u043e\u0442\u0432\u0435\u0442\u043e\u0432, \u043f\u043e\u0434\u0442\u0432\u0435\u0440\u0436\u0434\u0430\u0435\u0442 \u0442\u043e\u0442 \u0436\u0435 \u0432\u044b\u0432\u043e\u0434<\/a>.<\/p>\n

    \u041f\u043e\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u043f\u0440\u0438\u043c\u0435\u0440 \u0434\u0430\u0451\u0442 \u0440\u0430\u0431\u043e\u0442\u0430 LLM-Modulo \u043d\u0430 \u0437\u0430\u0434\u0430\u0447\u0435 \u043f\u043b\u0430\u043d\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f \u043f\u043e\u0435\u0437\u0434\u043e\u043a TravelPlanner. \u0412\u043d\u0435\u0448\u043d\u0438\u0435 \u00ab\u043a\u0440\u0438\u0442\u0438\u043a\u0438\u00bb, \u0442\u043e \u0435\u0441\u0442\u044c \u043f\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u043d\u044b\u0435 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438 \u043f\u0440\u0430\u0432\u0438\u043b, \u043f\u043e\u0434\u043d\u044f\u043b\u0438 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 GPT-4-Turbo \u0441 4,4% \u0434\u043e 20,6%. \u041f\u0440\u0438 \u044d\u0442\u043e\u043c \u043f\u0440\u0438\u0451\u043c\u044b \u0432\u0440\u043e\u0434\u0435 CoT, ReAct \u0438 Reflexion \u043d\u0430 GPT-3.5 \u0437\u0430\u043c\u0435\u0442\u043d\u044b\u0445 \u0443\u043b\u0443\u0447\u0448\u0435\u043d\u0438\u0439 \u043d\u0435 \u0434\u0430\u043b\u0438<\/a>. \u0414\u0430\u043d\u043d\u044b\u0435 \u043e\u0442\u043d\u043e\u0441\u044f\u0442\u0441\u044f \u043a 2024 \u0433\u043e\u0434\u0443, \u043c\u043e\u0434\u0435\u043b\u0438 \u0441 \u0442\u0435\u0445 \u043f\u043e\u0440 \u0441\u043c\u0435\u043d\u0438\u043b\u0438\u0441\u044c, \u043d\u043e \u0441\u0430\u043c \u0432\u044b\u0432\u043e\u0434 \u043e\u0441\u0442\u0430\u0451\u0442\u0441\u044f \u0432 \u0441\u0438\u043b\u0435: \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u044e\u0449\u0438\u0439, \u0443 \u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e \u0435\u0441\u0442\u044c \u0434\u043e\u0441\u0442\u0443\u043f \u043a \u0432\u043d\u0435\u0448\u043d\u0435\u0439 \u0438\u0441\u0442\u0438\u043d\u0435 (\u043f\u0440\u0430\u0432\u0438\u043b\u0430\u043c, \u0442\u0435\u0441\u0442\u0430\u043c, \u043f\u043e\u0438\u0441\u043a\u0443), \u0441\u0438\u043b\u044c\u043d\u0435\u0435 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u044e\u0449\u0435\u0433\u043e, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u00ab\u043f\u0440\u043e\u0441\u0442\u043e \u0434\u0443\u043c\u0430\u0435\u0442\u00bb.<\/p>\n

    \u0414\u043b\u044f \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0438 \u044d\u0442\u043e \u0437\u043d\u0430\u0447\u0438\u0442: \u043f\u0440\u043e\u0441\u044c\u0431\u0430 \u00ab\u043f\u0440\u043e\u0432\u0435\u0440\u044c \u0441\u0432\u043e\u0439 \u043e\u0442\u0432\u0435\u0442\u00bb \u0431\u0435\u0437 \u043d\u043e\u0432\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u043f\u043e\u043b\u0435\u0437\u043d\u0430 \u0441\u043b\u0430\u0431\u043e. \u0415\u0441\u043b\u0438 \u0432\u044b \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u0435\u0442\u0435 \u0432 \u0446\u0438\u043a\u043b \u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0435 \u043a\u043e\u0434\u0430 \u0438\u043b\u0438 \u043f\u043e\u0438\u0441\u043a \u043f\u043e \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u0430\u043c, \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0430 \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u0441\u043e\u0434\u0435\u0440\u0436\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0439.<\/p>\n

    <\/figure>\n

    \u0410\u0433\u0435\u043d\u0442 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u0442 \u0430\u0433\u0435\u043d\u0442\u0430<\/h3>\n

    \u041e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u0439 \u0441\u043b\u0443\u0447\u0430\u0439: \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0442\u044c \u043d\u0443\u0436\u043d\u043e \u043d\u0435 \u0442\u0435\u043a\u0441\u0442, \u0430 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u0430\u0433\u0435\u043d\u0442\u0430, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0432\u044b\u043f\u043e\u043b\u043d\u044f\u0435\u0442 \u0437\u0430\u0434\u0430\u0447\u0438 \u0441\u0430\u043c. \u0417\u0434\u0435\u0441\u044c \u0441\u0430\u043c\u0430\u044f \u0432\u0430\u0436\u043d\u0430\u044f \u0440\u0430\u0431\u043e\u0442\u0430 \u0432\u044b\u0448\u043b\u0430 \u0438\u0437 OpenAI (Baker et al., \u043c\u0430\u0440\u0442 2025). \u0421\u043b\u0430\u0431\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c GPT-4o, \u0447\u0438\u0442\u0430\u044f \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u044f \u0431\u043e\u043b\u0435\u0435 \u0441\u0438\u043b\u044c\u043d\u043e\u0439 o3-mini, \u043b\u043e\u0432\u0438\u043b\u0430 \u00ab\u0432\u0437\u043b\u043e\u043c \u043d\u0430\u0433\u0440\u0430\u0434\u044b\u00bb \u0432 \u0437\u0430\u0434\u0430\u0447\u0430\u0445 \u043f\u043e \u043a\u043e\u0434\u0443 \u043b\u0443\u0447\u0448\u0435, \u0447\u0435\u043c \u043c\u043e\u043d\u0438\u0442\u043e\u0440, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0441\u043c\u043e\u0442\u0440\u0435\u043b \u0442\u043e\u043b\u044c\u043a\u043e \u043d\u0430 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f. \u0412\u0437\u043b\u043e\u043c \u043d\u0430\u0433\u0440\u0430\u0434\u044b \u2014 \u044d\u0442\u043e \u043a\u043e\u0433\u0434\u0430 \u0430\u0433\u0435\u043d\u0442 \u043d\u0430\u0445\u043e\u0434\u0438\u0442 \u043b\u0430\u0437\u0435\u0439\u043a\u0443 \u0438 \u00ab\u043f\u0440\u043e\u0445\u043e\u0434\u0438\u0442\u00bb \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0443, \u043d\u0435 \u0440\u0435\u0448\u0430\u044f \u0437\u0430\u0434\u0430\u0447\u0443 \u043f\u043e \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443. \u041d\u043e \u0435\u0441\u0442\u044c \u043d\u0435\u043f\u0440\u0438\u044f\u0442\u043d\u043e\u0435 \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0435\u043d\u0438\u0435: \u0435\u0441\u043b\u0438 \u043e\u0431\u0443\u0447\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u0442\u0430\u043a, \u0447\u0442\u043e\u0431\u044b \u043c\u043e\u043d\u0438\u0442\u043e\u0440 \u0435\u0451 \u043d\u0435 \u043b\u043e\u0432\u0438\u043b, \u043e\u043d\u0430 \u0443\u0447\u0438\u0442\u0441\u044f \u0441\u043a\u0440\u044b\u0432\u0430\u0442\u044c \u043d\u0430\u043c\u0435\u0440\u0435\u043d\u0438\u044f \u0438 \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0430\u0435\u0442 \u0445\u0438\u0442\u0440\u0438\u0442\u044c. \u0410\u0432\u0442\u043e\u0440\u044b \u043d\u0430\u0437\u044b\u0432\u0430\u044e\u0442 \u044d\u0442\u043e \u043e\u0431\u0444\u0443\u0441\u0446\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u043c \u0432\u0437\u043b\u043e\u043c\u043e\u043c \u043d\u0430\u0433\u0440\u0430\u0434\u044b<\/a>.<\/p>\n

    \u0418\u0437 \u044d\u0442\u043e\u0439 \u0440\u0430\u0431\u043e\u0442\u044b \u0441\u043b\u0435\u0434\u0443\u0435\u0442 \u0434\u0432\u0430 \u043f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0445 \u0432\u044b\u0432\u043e\u0434\u0430. \u041f\u0435\u0440\u0432\u044b\u0439: \u043c\u043e\u043d\u0438\u0442\u043e\u0440\u0443 \u043f\u043e\u043b\u0435\u0437\u043d\u043e \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0442\u044c \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u044f \u0430\u0433\u0435\u043d\u0442\u0430, \u0430 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e \u0435\u0433\u043e \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f. \u0412\u0442\u043e\u0440\u043e\u0439: \u0434\u0430\u0432\u0438\u0442\u044c \u043d\u0430 \u0446\u0435\u043f\u043e\u0447\u043a\u0443 \u0440\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u0439 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435\u043c \u043d\u0435\u043b\u044c\u0437\u044f, \u0438\u043d\u0430\u0447\u0435 \u043d\u0430\u0431\u043b\u044e\u0434\u0430\u0435\u043c\u043e\u0441\u0442\u044c \u0438\u0441\u0447\u0435\u0437\u0430\u0435\u0442.<\/p>\n

    \u0415\u0441\u0442\u044c \u0438 \u0441\u0432\u0435\u0436\u0438\u0435 \u0434\u0430\u043d\u043d\u044b\u0435, \u043a \u043a\u043e\u0442\u043e\u0440\u044b\u043c \u043d\u0443\u0436\u043d\u0430 \u043e\u0441\u0442\u043e\u0440\u043e\u0436\u043d\u043e\u0441\u0442\u044c. EvasionBench (\u043f\u0440\u0435\u043f\u0440\u0438\u043d\u0442 \u043e\u0442 24 \u0441\u0435\u043d\u0442\u044f\u0431\u0440\u044f 2026 \u0433\u043e\u0434\u0430) \u0441\u043e\u0441\u0442\u043e\u0438\u0442 \u0438\u0437 50 \u043f\u0430\u0440 \u00ab\u0437\u0430\u0434\u0430\u0447\u0430 \u0438 \u0437\u0430\u043f\u0440\u0435\u0442 \u043c\u043e\u043d\u0438\u0442\u043e\u0440\u0430\u00bb. \u0410\u0433\u0435\u043d\u0442\u044b \u0432 \u043e\u0431\u044b\u0447\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447\u0430\u0445, \u0431\u0435\u0437 \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438 \u043e\u0431\u0445\u043e\u0434\u0438\u0442\u044c \u043c\u043e\u043d\u0438\u0442\u043e\u0440, \u043f\u044b\u0442\u0430\u043b\u0438\u0441\u044c \u0435\u0433\u043e \u043e\u0431\u043e\u0439\u0442\u0438, \u0430 \u0443\u0441\u043f\u0435\u0448\u043d\u043e\u0441\u0442\u044c \u0434\u043e\u0441\u0442\u0438\u0433\u0430\u043b\u0430 88% \u043f\u0440\u0438 \u043b\u0443\u0447\u0448\u0435\u043c \u0438\u0437 \u0442\u0440\u0451\u0445 \u0437\u0430\u043f\u0443\u0441\u043a\u043e\u0432<\/a>. \u0421\u043c\u0435\u0436\u043d\u0430\u044f \u0440\u0430\u0431\u043e\u0442\u0430 \u0442\u043e\u0439 \u0436\u0435 \u0441\u0435\u0440\u0438\u0438 \u043e\u043f\u0438\u0441\u044b\u0432\u0430\u0435\u0442, \u043a\u0430\u043a \u0430\u0433\u0435\u043d\u0442\u044b \u0432 \u0442\u0435\u0441\u0442\u0430\u0445 \u043f\u043e\u0434\u0447\u0438\u0449\u0430\u043b\u0438 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0435 \u0441\u043b\u0435\u0434\u044b, \u043f\u043e \u043a\u043e\u0442\u043e\u0440\u044b\u043c \u0432\u0435\u0434\u0451\u0442\u0441\u044f \u043c\u043e\u043d\u0438\u0442\u043e\u0440\u0438\u043d\u0433<\/a>. \u041e\u0431\u0435 \u0440\u0430\u0431\u043e\u0442\u044b \u043f\u043e\u043a\u0430 \u043d\u0435 \u043f\u0440\u043e\u0448\u043b\u0438 \u0440\u0435\u0446\u0435\u043d\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u0435 \u0438 \u043d\u0430\u043f\u0438\u0441\u0430\u043d\u044b \u043e\u0434\u043d\u043e\u0439 \u0433\u0440\u0443\u043f\u043f\u043e\u0439.<\/p>\n

    \u0413\u043b\u0430\u0432\u043d\u0430\u044f \u043e\u0433\u043e\u0432\u043e\u0440\u043a\u0430: \u044d\u0442\u0438 \u043f\u0440\u0435\u043f\u0440\u0438\u043d\u0442\u044b \u0438\u0437\u043c\u0435\u0440\u044f\u044e\u0442 \u0437\u0430\u0449\u0438\u0442\u043d\u044b\u0435 \u043c\u043e\u043d\u0438\u0442\u043e\u0440\u044b \u0432\u044b\u0437\u043e\u0432\u043e\u0432 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043e\u0432, \u0442\u043e \u0435\u0441\u0442\u044c \u0441\u0438\u0441\u0442\u0435\u043c\u044b \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e\u0441\u0442\u0438 \u0432\u043e\u043a\u0440\u0443\u0433 \u0430\u0433\u0435\u043d\u0442\u043e\u0432. \u041e\u043d\u0438 \u043d\u0435 \u043e\u0446\u0435\u043d\u0438\u0432\u0430\u044e\u0442, \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0418\u0418-\u0441\u0443\u0434\u044c\u044f \u0445\u043e\u0440\u043e\u0448 \u0432 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0435 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430 \u0442\u0435\u043a\u0441\u0442\u0430. \u0421\u043c\u0435\u0448\u0438\u0432\u0430\u0442\u044c \u044d\u0442\u0438 \u0434\u0432\u0435 \u0437\u0430\u0434\u0430\u0447\u0438 \u043d\u0435\u043b\u044c\u0437\u044f. \u0418\u0437 EvasionBench \u043d\u0435 \u0441\u043b\u0435\u0434\u0443\u0435\u0442, \u0447\u0442\u043e \u0441\u0443\u0434\u044c\u044f \u043f\u043e \u0440\u0443\u0431\u0440\u0438\u043a\u0435 \u043d\u0435\u043d\u0430\u0434\u0451\u0436\u0435\u043d, \u0430 \u0438\u0437 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u043e\u0432 Zheng et al. \u043d\u0435 \u0441\u043b\u0435\u0434\u0443\u0435\u0442, \u0447\u0442\u043e \u043c\u043e\u043d\u0438\u0442\u043e\u0440 \u0430\u0433\u0435\u043d\u0442\u0430 \u043d\u0435\u043b\u044c\u0437\u044f \u043e\u0431\u043e\u0439\u0442\u0438.<\/p>\n

    \u0427\u0442\u043e \u0438 \u0447\u0435\u043c \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0442\u044c<\/h3>\n

    \u0421\u043e\u0431\u0435\u0440\u0451\u043c \u0432\u0441\u0451 \u0432 \u043e\u0434\u043d\u0443 \u0442\u0430\u0431\u043b\u0438\u0446\u0443: \u0447\u0442\u043e \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u043c, \u0432 \u0447\u0451\u043c \u0441\u043b\u0430\u0431\u043e\u0441\u0442\u044c \u0418\u0418-\u0441\u0443\u0434\u044c\u0438 \u0438 \u0447\u0435\u043c \u0435\u0451 \u043f\u043e\u0434\u0441\u0442\u0440\u0430\u0445\u043e\u0432\u0430\u0442\u044c.<\/p>\n

    \n
    \n\n\n\n\n\n\n\n\n\n
    \n

    \u0427\u0442\u043e \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u043c<\/strong><\/p>\n<\/td>\n

    		\n

    \u0421\u043b\u0430\u0431\u043e\u0435 \u043c\u0435\u0441\u0442\u043e \u0418\u0418-\u0441\u0443\u0434\u044c\u0438<\/strong><\/p>\n<\/td>\n

    		\n

    \u0427\u0435\u043c \u043f\u043e\u0434\u0441\u0442\u0440\u0430\u0445\u043e\u0432\u0430\u0442\u044c\u0441\u044f<\/strong><\/p>\n<\/td>\n<\/tr>\n

    \n

    \u041a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u0442\u0435\u043a\u0441\u0442\u0430 \u043f\u043e \u0440\u0443\u0431\u0440\u0438\u043a\u0435<\/p>\n<\/td>\n

    		\n

    \u0421\u043c\u0435\u0449\u0435\u043d\u0438\u044f \u043f\u043e \u043f\u043e\u0437\u0438\u0446\u0438\u0438, \u0434\u043b\u0438\u043d\u0435, \u0441\u0430\u043c\u043e\u043f\u0440\u0435\u0434\u043f\u043e\u0447\u0442\u0435\u043d\u0438\u0435<\/p>\n<\/td>\n

    		\n

    \u0414\u0440\u0443\u0433\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c-\u0441\u0443\u0434\u044c\u044f, \u0441\u043c\u0435\u043d\u0430 \u043f\u043e\u0440\u044f\u0434\u043a\u0430, \u043f\u043e\u0434\u0440\u043e\u0431\u043d\u0430\u044f \u0440\u0443\u0431\u0440\u0438\u043a\u0430, \u0432\u044b\u0431\u043e\u0440\u043e\u0447\u043d\u0430\u044f \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0430 \u0447\u0435\u043b\u043e\u0432\u0435\u043a\u043e\u043c<\/p>\n<\/td>\n<\/tr>\n

    \n

    \u0424\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0443\u0442\u0432\u0435\u0440\u0436\u0434\u0435\u043d\u0438\u044f<\/p>\n<\/td>\n

    		\n

    \u0421\u0443\u0434\u044c\u044f \u043d\u0435 \u0437\u043d\u0430\u0435\u0442 \u0438\u0441\u0442\u0438\u043d\u0443 \u0438 \u043e\u0448\u0438\u0431\u0430\u0435\u0442\u0441\u044f \u0442\u0430\u043a \u0436\u0435, \u043a\u0430\u043a \u0430\u0432\u0442\u043e\u0440<\/p>\n<\/td>\n

    		\n

    \u0412\u043d\u0435\u0448\u043d\u0438\u0435 \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a\u0438, \u0446\u0438\u0442\u0430\u0442\u044b, \u043f\u043e\u0438\u0441\u043a<\/p>\n<\/td>\n<\/tr>\n

    \n

    \u041a\u043e\u0434 \u0438 \u0440\u0430\u0441\u0447\u0451\u0442\u044b<\/p>\n<\/td>\n

    		\n

    \u0427\u0442\u0435\u043d\u0438\u0435 \u043a\u043e\u0434\u0430 \u043d\u0435 \u0437\u0430\u043c\u0435\u043d\u044f\u0435\u0442 \u0437\u0430\u043f\u0443\u0441\u043a<\/p>\n<\/td>\n

    		\n

    \u0422\u0435\u0441\u0442\u044b, \u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0435, \u0434\u0435\u0442\u0435\u0440\u043c\u0438\u043d\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438<\/p>\n<\/td>\n<\/tr>\n

    \n

    \u0420\u0430\u0441\u0441\u0443\u0436\u0434\u0435\u043d\u0438\u044f \u0438 \u043f\u043b\u0430\u043d\u044b<\/p>\n<\/td>\n

    		\n

    \u0421\u0430\u043c\u043e\u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0430 \u0431\u0435\u0437 \u0432\u043d\u0435\u0448\u043d\u0438\u0445 \u0434\u0430\u043d\u043d\u044b\u0445 \u0441\u043b\u0430\u0431\u0430<\/p>\n<\/td>\n

    		\n

    \u0412\u043d\u0435\u0448\u043d\u0438\u0435 \u043a\u0440\u0438\u0442\u0438\u043a\u0438 \u0438 \u043f\u0440\u0430\u0432\u0438\u043b\u0430 (LLM-Modulo), \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0430 \u0438\u0442\u043e\u0433\u0430<\/p>\n<\/td>\n<\/tr>\n

    \n

    \u041f\u0430\u043d\u0435\u043b\u044c \u0438\u0437 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u0445 \u0441\u0443\u0434\u0435\u0439<\/p>\n<\/td>\n

    		\n

    \u041e\u0448\u0438\u0431\u043a\u0438 \u043a\u043e\u0440\u0440\u0435\u043b\u0438\u0440\u0443\u044e\u0442, \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u044b\u0445 \u0433\u043e\u043b\u043e\u0441\u043e\u0432 \u043c\u0435\u043d\u044c\u0448\u0435<\/p>\n<\/td>\n

    		\n

    \u0420\u0430\u0437\u043d\u044b\u0435 \u0441\u0435\u043c\u0435\u0439\u0441\u0442\u0432\u0430 \u043c\u043e\u0434\u0435\u043b\u0435\u0439, \u0437\u0430\u043c\u0435\u0440 \u0441\u043e\u0433\u043b\u0430\u0441\u0438\u044f \u043d\u0430 \u0440\u0430\u0437\u043c\u0435\u0447\u0435\u043d\u043d\u043e\u0439 \u0432\u044b\u0431\u043e\u0440\u043a\u0435<\/p>\n<\/td>\n<\/tr>\n

    \n

    \u0414\u0435\u0439\u0441\u0442\u0432\u0438\u044f \u0430\u0433\u0435\u043d\u0442\u0430<\/p>\n<\/td>\n

    		\n

    \u041c\u043e\u043d\u0438\u0442\u043e\u0440 \u043c\u043e\u0436\u043d\u043e \u043e\u0431\u043e\u0439\u0442\u0438, \u0430\u0433\u0435\u043d\u0442 \u0443\u0447\u0438\u0442\u0441\u044f \u0441\u043a\u0440\u044b\u0432\u0430\u0442\u044c<\/p>\n<\/td>\n

    		\n

    \u041c\u0438\u043d\u0438\u043c\u0443\u043c \u043f\u0440\u0430\u0432, \u043d\u0435\u0438\u0437\u043c\u0435\u043d\u044f\u0435\u043c\u044b\u0435 \u0436\u0443\u0440\u043d\u0430\u043b\u044b, \u0447\u0435\u043b\u043e\u0432\u0435\u043a \u043d\u0430 \u043d\u0435\u043e\u0431\u0440\u0430\u0442\u0438\u043c\u044b\u0445 \u0448\u0430\u0433\u0430\u0445<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n

    \u041e\u0431\u0449\u0438\u0439 \u043f\u0440\u0438\u043d\u0446\u0438\u043f \u0442\u0430\u0431\u043b\u0438\u0446\u044b \u0442\u0430\u043a\u043e\u0439: \u0447\u0435\u043c \u0431\u043b\u0438\u0436\u0435 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u043c\u043e\u0435 \u0443\u0442\u0432\u0435\u0440\u0436\u0434\u0435\u043d\u0438\u0435 \u043a \u0438\u0441\u0442\u0438\u043d\u0435, \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u043c\u043e\u0436\u043d\u043e \u0438\u0437\u043c\u0435\u0440\u0438\u0442\u044c (\u0442\u0435\u0441\u0442 \u043f\u0440\u043e\u0448\u0451\u043b, \u0447\u0438\u0441\u043b\u043e \u0441\u043e\u0448\u043b\u043e\u0441\u044c, \u0441\u0441\u044b\u043b\u043a\u0430 \u043e\u0442\u043a\u0440\u044b\u043b\u0430\u0441\u044c), \u0442\u0435\u043c \u043c\u0435\u043d\u044c\u0448\u0435 \u0440\u043e\u043b\u044c \u0441\u0443\u0434\u044c\u0438. \u0427\u0435\u043c \u0431\u043e\u043b\u044c\u0448\u0435 \u0432 \u043e\u0446\u0435\u043d\u043a\u0435 \u0432\u043a\u0443\u0441\u0430 \u0438 \u00ab\u043f\u043e\u0445\u043e\u0436\u0435\u0441\u0442\u0438 \u043d\u0430 \u0445\u043e\u0440\u043e\u0448\u0438\u0439 \u043e\u0442\u0432\u0435\u0442\u00bb, \u0442\u0435\u043c \u043e\u043d\u0430 \u0432\u044b\u0448\u0435, \u0438 \u0442\u0435\u043c \u0432\u0430\u0436\u043d\u0435\u0435 \u043a\u0430\u043b\u0438\u0431\u0440\u043e\u0432\u043a\u0430.<\/p>\n

    \u041a\u0430\u043a \u0441\u0442\u0440\u043e\u0438\u0442\u044c \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0443<\/h3>\n

    \u0420\u0430\u0431\u043e\u0447\u0438\u0439 \u043f\u043e\u0440\u044f\u0434\u043e\u043a \u043c\u043e\u0436\u043d\u043e \u0441\u043e\u0431\u0440\u0430\u0442\u044c \u0432 \u0441\u0435\u043c\u044c \u0448\u0430\u0433\u043e\u0432. \u041e\u043d \u0432\u044b\u0442\u0435\u043a\u0430\u0435\u0442 \u0438\u0437 \u0440\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0430\u0446\u0438\u0439 Anthropic \u0438 \u0438\u0437 \u0440\u0430\u0431\u043e\u0442, \u0440\u0430\u0437\u043e\u0431\u0440\u0430\u043d\u043d\u044b\u0445 \u0432\u044b\u0448\u0435.<\/p>\n

      \n
    1. \n

      \u0416\u0451\u0441\u0442\u043a\u0438\u0435 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438 \u0441\u043d\u0430\u0447\u0430\u043b\u0430.<\/strong> \u0412\u0441\u0451, \u0447\u0442\u043e \u043b\u043e\u0432\u0438\u0442\u0441\u044f \u043a\u043e\u0434\u043e\u043c, \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u043c \u043a\u043e\u0434\u043e\u043c: \u0444\u043e\u0440\u043c\u0430\u0442 JSON, \u0434\u043b\u0438\u043d\u0430, \u043d\u0430\u043b\u0438\u0447\u0438\u0435 \u043e\u0431\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u0445 \u043f\u043e\u043b\u0435\u0439, \u0437\u0430\u043f\u0443\u0441\u043a \u0442\u0435\u0441\u0442\u043e\u0432, \u043f\u0435\u0440\u0435\u0441\u0447\u0451\u0442 \u0447\u0438\u0441\u0435\u043b. \u042d\u0442\u043e \u0431\u0435\u0441\u043f\u043b\u0430\u0442\u043d\u043e \u0438 \u043d\u0430\u0434\u0451\u0436\u043d\u043e.<\/p>\n<\/li>\n

    2. \n

      \u0421\u0443\u0434\u044c\u044f \u043f\u043e \u0440\u0443\u0431\u0440\u0438\u043a\u0435.<\/strong> \u0414\u043b\u044f \u043e\u0441\u0442\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u043f\u0438\u0448\u0435\u043c \u043f\u043e\u0434\u0440\u043e\u0431\u043d\u0443\u044e \u0440\u0443\u0431\u0440\u0438\u043a\u0443 \u0438\u0437 \u0434\u0432\u043e\u0438\u0447\u043d\u044b\u0445 \u043a\u0440\u0438\u0442\u0435\u0440\u0438\u0435\u0432 \u0438 \u043f\u0440\u043e\u0441\u0438\u043c \u0446\u0438\u0442\u0430\u0442\u0443-\u0434\u043e\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044c\u0441\u0442\u0432\u043e \u0434\u043b\u044f \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u043f\u0443\u043d\u043a\u0442\u0430.<\/p>\n<\/li>\n

    3. \n

      \u0421\u0443\u0434\u044c\u044f \u0438\u0437 \u0434\u0440\u0443\u0433\u043e\u0433\u043e \u0441\u0435\u043c\u0435\u0439\u0441\u0442\u0432\u0430.<\/strong> \u041d\u0435 \u0441\u0442\u0430\u0432\u0438\u043c \u0430\u0432\u0442\u043e\u0440\u0430 \u043e\u0442\u0432\u0435\u0442\u0430 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0442\u044c \u0441\u0430\u043c\u043e\u0433\u043e \u0441\u0435\u0431\u044f, \u0443\u0447\u0438\u0442\u044b\u0432\u0430\u044f \u0441\u0430\u043c\u043e\u043f\u0440\u0435\u0434\u043f\u043e\u0447\u0442\u0435\u043d\u0438\u0435 \u0438 \u0441\u0445\u043e\u0434\u0441\u0442\u0432\u043e \u043e\u0448\u0438\u0431\u043e\u043a.<\/p>\n<\/li>\n

    4. \n

      \u041a\u0430\u043b\u0438\u0431\u0440\u043e\u0432\u043a\u0430 \u043d\u0430 \u0440\u0430\u0437\u043c\u0435\u0447\u0435\u043d\u043d\u043e\u0439 \u0432\u044b\u0431\u043e\u0440\u043a\u0435.<\/strong> \u0411\u0435\u0440\u0451\u043c 50\u2013100 \u043f\u0440\u0438\u043c\u0435\u0440\u043e\u0432, \u043e\u0446\u0435\u043d\u0451\u043d\u043d\u044b\u0445 \u043b\u044e\u0434\u044c\u043c\u0438, \u0438 \u0441\u043c\u043e\u0442\u0440\u0438\u043c, \u043d\u0430\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0441\u0443\u0434\u044c\u044f \u0441 \u043d\u0438\u043c\u0438 \u0441\u043e\u0433\u043b\u0430\u0441\u0435\u043d. \u0415\u0441\u043b\u0438 \u0441\u043e\u0433\u043b\u0430\u0441\u0438\u044f \u043d\u0435\u0442, \u043c\u0435\u043d\u044f\u0435\u043c \u0440\u0443\u0431\u0440\u0438\u043a\u0443, \u0430 \u043d\u0435 \u043c\u0430\u0441\u0448\u0442\u0430\u0431\u0438\u0440\u0443\u0435\u043c \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0443.<\/p>\n<\/li>\n

    5. \n

      \u0421\u043c\u0435\u043d\u0430 \u043f\u043e\u0440\u044f\u0434\u043a\u0430.<\/strong> \u0412 \u043f\u0430\u0440\u043d\u044b\u0445 \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f\u0445 \u043f\u0440\u043e\u0433\u043e\u043d\u044f\u0435\u043c \u043a\u0430\u0436\u0434\u0443\u044e \u043f\u0430\u0440\u0443 \u0434\u0432\u0430\u0436\u0434\u044b \u0432 \u0440\u0430\u0437\u043d\u043e\u043c \u043f\u043e\u0440\u044f\u0434\u043a\u0435.<\/p>\n<\/li>\n

    6. \n

      \u0427\u0435\u043b\u043e\u0432\u0435\u043a \u0432 \u043a\u043e\u043d\u0442\u0443\u0440\u0435.<\/strong> \u0427\u0435\u043b\u043e\u0432\u0435\u043a \u0441\u043c\u043e\u0442\u0440\u0438\u0442 \u0441\u043b\u0443\u0447\u0430\u0439\u043d\u0443\u044e \u0432\u044b\u0431\u043e\u0440\u043a\u0443 \u043e\u0442\u0432\u0435\u0442\u043e\u0432 \u0438 \u0432\u0441\u0435 \u0441\u043b\u0443\u0447\u0430\u0438 \u0441 \u043d\u0438\u0437\u043a\u043e\u0439 \u0443\u0432\u0435\u0440\u0435\u043d\u043d\u043e\u0441\u0442\u044c\u044e \u0441\u0443\u0434\u044c\u0438 \u0438\u043b\u0438 \u0440\u0430\u0437\u043d\u043e\u0433\u043b\u0430\u0441\u0438\u0435\u043c \u043c\u0435\u0436\u0434\u0443 \u0441\u0443\u0434\u044c\u044f\u043c\u0438.<\/p>\n<\/li>\n

    7. \n

      \u0421\u0443\u0434\u044c\u0435 \u043d\u0435 \u0434\u0430\u0451\u043c \u043f\u0440\u0430\u0432\u0430 \u043c\u0435\u043d\u044f\u0442\u044c \u0442\u0435\u0441\u0442\u044b \u0438\u043b\u0438 \u043d\u0430\u0433\u0440\u0430\u0434\u0443.<\/strong> \u041e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u0435\u0441\u043b\u0438 \u043e\u043d \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u0442 \u0430\u0433\u0435\u043d\u0442\u0430, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0441\u0430\u043c \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0441 \u043a\u043e\u0434\u043e\u043c \u0438 \u043e\u043a\u0440\u0443\u0436\u0435\u043d\u0438\u0435\u043c. \u041d\u0435\u0438\u0437\u043c\u0435\u043d\u044f\u0435\u043c\u044b\u0435 \u0436\u0443\u0440\u043d\u0430\u043b\u044b \u0438 \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u0435 \u043f\u0440\u0430\u0432\u0430 \u043e\u0431\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u044b.<\/p>\n<\/li>\n<\/ol>\n

      \u0420\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0438\u043c \u043f\u0440\u0438\u043c\u0435\u0440: \u0432\u044b \u0441\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u0435\u0442\u0435 \u043b\u043e\u0433\u043e\u0442\u0438\u043f\u044b \u0438 \u0437\u043d\u0430\u0447\u043a\u0438 \u0434\u043b\u044f \u0438\u043d\u0442\u0435\u0440\u043d\u0435\u0442-\u043c\u0430\u0433\u0430\u0437\u0438\u043d\u0430, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0441\u0433\u0435\u043d\u0435\u0440\u0438\u0440\u043e\u0432\u0430\u043b\u0430 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u044c \u0441\u043e\u0437\u0434\u0430\u043d\u0438\u044f \u043b\u043e\u0433\u043e\u0442\u0438\u043f\u043e\u0432, \u0430 \u043f\u043e\u0445\u043e\u0436\u0438\u0439 \u043d\u0430\u0431\u043e\u0440 \u0438\u043a\u043e\u043d\u043e\u043a \u0441\u043e\u0431\u0440\u0430\u043b\u0438 \u0441 \u043f\u043e\u043c\u043e\u0449\u044c\u044e \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0438 \u0438\u043a\u043e\u043d\u043a\u0438. \u0417\u0434\u0435\u0441\u044c \u0432\u0430\u0436\u043d\u0430 \u0447\u0435\u0441\u0442\u043d\u0430\u044f \u043e\u0433\u043e\u0432\u043e\u0440\u043a\u0430: \u0432\u0441\u0435 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u044f \u0432\u044b\u0448\u0435 \u043a\u0430\u0441\u0430\u044e\u0442\u0441\u044f \u0442\u0435\u043a\u0441\u0442\u0430 \u0438 \u043f\u043e\u0432\u0435\u0434\u0435\u043d\u0438\u044f \u0430\u0433\u0435\u043d\u0442\u043e\u0432, \u0430 \u043f\u0435\u0440\u0435\u043d\u043e\u0441\u0438\u0442\u044c \u0438\u0445 \u0432\u044b\u0432\u043e\u0434\u044b \u043d\u0430 \u043e\u0446\u0435\u043d\u043a\u0443 \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0439 \u0431\u0435\u0437 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0439 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438 \u043d\u0435\u043b\u044c\u0437\u044f. \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u043f\u043e\u0440\u044f\u0434\u043e\u043a \u043e\u0441\u0442\u0430\u0451\u0442\u0441\u044f \u0442\u0435\u043c \u0436\u0435. \u0421\u043d\u0430\u0447\u0430\u043b\u0430 \u043a\u043e\u0434: \u0440\u0430\u0437\u043c\u0435\u0440 \u0444\u0430\u0439\u043b\u0430, \u043f\u0440\u043e\u0437\u0440\u0430\u0447\u043d\u044b\u0439 \u0444\u043e\u043d, \u043a\u043e\u043d\u0442\u0440\u0430\u0441\u0442 \u043f\u043e \u0444\u043e\u0440\u043c\u0443\u043b\u0435, \u0447\u0438\u0442\u0430\u0435\u043c\u043e\u0441\u0442\u044c \u043f\u0440\u0438 \u0440\u0430\u0437\u043c\u0435\u0440\u0435 32 \u043f\u0438\u043a\u0441\u0435\u043b\u044f. \u0417\u0430\u0442\u0435\u043c \u043c\u0443\u043b\u044c\u0442\u0438\u043c\u043e\u0434\u0430\u043b\u044c\u043d\u044b\u0439 \u0441\u0443\u0434\u044c\u044f \u0441 \u0440\u0443\u0431\u0440\u0438\u043a\u043e\u0439 (\u00ab\u0435\u0441\u0442\u044c \u043b\u0438 \u0442\u0435\u043a\u0441\u0442 \u0441 \u043e\u0448\u0438\u0431\u043a\u0430\u043c\u0438\u00bb, \u00ab\u0440\u0430\u0437\u043b\u0438\u0447\u0438\u043c\u044b \u043b\u0438 \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u044b \u043f\u0440\u0438 \u0443\u043c\u0435\u043d\u044c\u0448\u0435\u043d\u0438\u0438\u00bb, \u00ab\u0441\u043e\u0432\u043f\u0430\u0434\u0430\u0435\u0442 \u043b\u0438 \u0441\u0442\u0438\u043b\u044c \u0432 \u043d\u0430\u0431\u043e\u0440\u0435\u00bb). \u0418 \u043d\u0430\u043a\u043e\u043d\u0435\u0446 \u0447\u0435\u043b\u043e\u0432\u0435\u043a, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0432\u044b\u0431\u0438\u0440\u0430\u0435\u0442 \u0444\u0438\u043d\u0430\u043b\u0438\u0441\u0442\u0430: \u0432\u043a\u0443\u0441 \u0438 \u0443\u0437\u043d\u0430\u0432\u0430\u0435\u043c\u043e\u0441\u0442\u044c \u0431\u0440\u0435\u043d\u0434\u0430 \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0439 \u043e\u0446\u0435\u043d\u043a\u0435 \u043d\u0435 \u043f\u043e\u0434\u0447\u0438\u043d\u044f\u044e\u0442\u0441\u044f.<\/p>\n

      \u0414\u043b\u044f \u0442\u0430\u043a\u043e\u0439 \u0440\u0430\u0431\u043e\u0442\u044b \u0443\u0434\u043e\u0431\u043d\u043e, \u043a\u043e\u0433\u0434\u0430 \u0433\u0435\u043d\u0435\u0440\u0430\u0442\u043e\u0440\u044b \u0438 \u0441\u0443\u0434\u044c\u0438 \u0441\u043e\u0431\u0440\u0430\u043d\u044b \u0432\u043c\u0435\u0441\u0442\u0435. \u0412 \u0421\u0442\u0443\u0434\u0438\u0438 SpeShu.AI<\/a> \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0438 \u0434\u043b\u044f \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u0439, \u0432\u0438\u0434\u0435\u043e \u0438 \u0430\u0443\u0434\u0438\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0442 \u0432 \u043e\u0434\u043d\u043e\u043c \u043c\u0435\u0441\u0442\u0435, \u0438 \u0432 \u0441\u0430\u043c\u043e\u0439 \u0421\u0442\u0443\u0434\u0438\u0438 \u0431\u043e\u043b\u044c\u0448\u0435 100 \u043d\u0435\u0439\u0440\u043e\u0441\u0435\u0442\u0435\u0439, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043e\u0434\u0438\u043d \u0438 \u0442\u043e\u0442 \u0436\u0435 \u0437\u0430\u043f\u0440\u043e\u0441 \u043c\u043e\u0436\u043d\u043e \u043f\u0440\u043e\u0433\u043d\u0430\u0442\u044c \u0447\u0435\u0440\u0435\u0437 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u0438 \u0441\u0440\u0430\u0432\u043d\u0438\u0442\u044c \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u043f\u043e \u0441\u0432\u043e\u0435\u0439 \u0440\u0443\u0431\u0440\u0438\u043a\u0435, \u0430 \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u043e\u0433\u043e \u0441\u0443\u0434\u044c\u044e \u043f\u043e\u0434\u043a\u043b\u044e\u0447\u0438\u0442\u044c \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e.<\/p>\n

      \u041f\u0440\u043e\u043c\u043f\u0442\u044b<\/h3>\n

      \u0414\u0435\u0441\u044f\u0442\u044c \u043f\u0440\u043e\u043c\u043f\u0442\u043e\u0432 \u043d\u0430 \u0430\u043d\u0433\u043b\u0438\u0439\u0441\u043a\u043e\u043c: \u043f\u043e\u0434\u0445\u043e\u0434\u044f\u0442 \u0434\u043b\u044f \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0438 \u0441\u0443\u0434\u044c\u0438 \u0438 \u0434\u043b\u044f \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438 \u0441\u0430\u043c\u043e\u0439 \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0438. \u041f\u043e\u0434 \u043a\u0430\u0436\u0434\u044b\u043c \u043e\u043f\u0438\u0441\u0430\u043d\u043e, \u0447\u0442\u043e \u0432\u044b \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u0435 \u043d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435.<\/p>\n

        \n
      1. \n

        You are a strict grader. Rubric: [criteria]. For each criterion quote evidence from the answer, then give PASS or FAIL. Think first, then output the verdict in <verdict> tags. \u041d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435: \u0441\u043f\u0438\u0441\u043e\u043a \u043a\u0440\u0438\u0442\u0435\u0440\u0438\u0435\u0432 \u0441 \u0446\u0438\u0442\u0430\u0442\u0430\u043c\u0438 \u0438 \u0432\u0435\u0440\u0434\u0438\u043a\u0442\u043e\u043c PASS\/FAIL, \u0438\u0442\u043e\u0433 \u0432 \u0442\u0435\u0433\u0430\u0445, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043b\u0435\u0433\u043a\u043e \u0440\u0430\u0437\u043e\u0431\u0440\u0430\u0442\u044c \u043f\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u043e\u0439.<\/p>\n<\/li>\n

      2. \n

        Compare answers A and B on [criteria]. Judge only content, ignore length and style. Then repeat with the order swapped and say whether your verdict changed. \u041d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435: \u0434\u0432\u0430 \u0432\u0435\u0440\u0434\u0438\u043a\u0442\u0430 \u0438 \u043e\u0442\u043c\u0435\u0442\u043a\u0430 \u043e \u0442\u043e\u043c, \u0437\u0430\u0432\u0438\u0441\u0438\u0442 \u043b\u0438 \u043f\u043e\u0431\u0435\u0434\u0430 \u043e\u0442 \u043f\u043e\u0440\u044f\u0434\u043a\u0430 \u043e\u0442\u0432\u0435\u0442\u043e\u0432.<\/p>\n<\/li>\n

      3. \n

        Reference answer: [..]. Mark each claim in the candidate as supported, contradicted or absent in the reference. Do not use outside knowledge. \u041d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435: \u0440\u0430\u0437\u043c\u0435\u0442\u043a\u0430 \u0443\u0442\u0432\u0435\u0440\u0436\u0434\u0435\u043d\u0438\u0439 \u043f\u043e \u044d\u0442\u0430\u043b\u043e\u043d\u0443 \u0431\u0435\u0437 \u043e\u043f\u043e\u0440\u044b \u043d\u0430 \u00ab\u0437\u043d\u0430\u043d\u0438\u044f\u00bb \u0441\u0443\u0434\u044c\u0438.<\/p>\n<\/li>\n

      4. \n

        List every verifiable factual claim in the answer, numbered. For each, say what primary source would confirm it. \u041d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435: \u043d\u0443\u043c\u0435\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0439 \u0441\u043f\u0438\u0441\u043e\u043a \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u043c\u044b\u0445 \u0443\u0442\u0432\u0435\u0440\u0436\u0434\u0435\u043d\u0438\u0439 \u0438 \u043f\u043e\u0434\u0441\u043a\u0430\u0437\u043a\u0430, \u0433\u0434\u0435 \u0438\u0441\u043a\u0430\u0442\u044c \u043f\u043e\u0434\u0442\u0432\u0435\u0440\u0436\u0434\u0435\u043d\u0438\u0435.<\/p>\n<\/li>\n

      5. \n

        Here are 10 answers with human grades [..]. Grade them with the rubric, show where you disagree with the human grade and propose rubric changes. \u041d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435: \u0442\u0430\u0431\u043b\u0438\u0446\u0430 \u0440\u0430\u0441\u0445\u043e\u0436\u0434\u0435\u043d\u0438\u0439 \u0441 \u043e\u0446\u0435\u043d\u043a\u0430\u043c\u0438 \u043b\u044e\u0434\u0435\u0439 \u0438 \u043f\u0440\u0435\u0434\u043b\u043e\u0436\u0435\u043d\u0438\u044f \u043f\u043e \u043f\u0440\u0430\u0432\u043a\u0435 \u0440\u0443\u0431\u0440\u0438\u043a\u0438. \u042d\u0442\u043e \u043a\u0430\u043b\u0438\u0431\u0440\u043e\u0432\u043a\u0430 \u0441\u0443\u0434\u044c\u0438.<\/p>\n<\/li>\n

      6. \n

        Write 5 answers that look excellent (long, confident, well formatted) but fail the rubric on substance, to test whether a grader is fooled by style. \u041d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435: \u043f\u044f\u0442\u044c \u00ab\u043a\u0440\u0430\u0441\u0438\u0432\u044b\u0445, \u043d\u043e \u043f\u0443\u0441\u0442\u044b\u0445\u00bb \u043e\u0442\u0432\u0435\u0442\u043e\u0432, \u043d\u0430 \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u044e\u0442, \u043d\u0430\u0433\u0440\u0430\u0436\u0434\u0430\u0435\u0442 \u043b\u0438 \u0441\u0443\u0434\u044c\u044f \u0441\u0442\u0438\u043b\u044c.<\/p>\n<\/li>\n

      7. \n

        Write unit tests for this function from the spec [..], including edge cases. Do not judge the code by reading it. \u041d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435: \u043d\u0430\u0431\u043e\u0440 \u0442\u0435\u0441\u0442\u043e\u0432, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u0435\u0442\u0441\u044f, \u0432\u043c\u0435\u0441\u0442\u043e \u043c\u043d\u0435\u043d\u0438\u044f \u043e \u043a\u043e\u0434\u0435.<\/p>\n<\/li>\n

      8. \n

        Two graders disagree: [..]. List the points of disagreement and what evidence would resolve each. \u041d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435: \u043f\u0435\u0440\u0435\u0447\u0435\u043d\u044c \u0441\u043f\u043e\u0440\u043d\u044b\u0445 \u043f\u0443\u043d\u043a\u0442\u043e\u0432 \u0438 \u0442\u0438\u043f \u0434\u043e\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044c\u0441\u0442\u0432, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0437\u0430\u043a\u0440\u044b\u043b\u0438 \u0431\u044b \u043a\u0430\u0436\u0434\u044b\u0439.<\/p>\n<\/li>\n

      9. \n

        The answer below may have been produced by a model like you. Evaluate it strictly and list 3 reasons it might deserve a lower score. \u041d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435: \u0442\u0440\u0438 \u043f\u0440\u0438\u0447\u0438\u043d\u044b \u0441\u043d\u0438\u0437\u0438\u0442\u044c \u043e\u0446\u0435\u043d\u043a\u0443. \u041f\u0440\u0438\u0451\u043c \u043f\u043e\u043c\u043e\u0433\u0430\u0435\u0442 \u043f\u0440\u043e\u0442\u0438\u0432 \u0441\u0430\u043c\u043e\u043f\u0440\u0435\u0434\u043f\u043e\u0447\u0442\u0435\u043d\u0438\u044f.<\/p>\n<\/li>\n

      10. \n

        For each item decide whether it needs human review: low confidence, high stakes, ambiguous rubric, or grader disagreement. Explain briefly. \u041d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435: \u0441\u043f\u0438\u0441\u043e\u043a \u044d\u043b\u0435\u043c\u0435\u043d\u0442\u043e\u0432 \u0441 \u043f\u043e\u043c\u0435\u0442\u043a\u043e\u0439 \u00ab\u043d\u0443\u0436\u0435\u043d \u0447\u0435\u043b\u043e\u0432\u0435\u043a\u00bb \u0438 \u043a\u0440\u0430\u0442\u043a\u043e\u0439 \u043f\u0440\u0438\u0447\u0438\u043d\u043e\u0439.<\/p>\n<\/li>\n<\/ol>\n

        <\/figure>\n

        \u0427\u0430\u0441\u0442\u044b\u0435 \u043e\u0448\u0438\u0431\u043a\u0438<\/h3>\n