<b>+0.115 nats на ставку: LLM-ансамбль выглядит умным, пока его не сложили вместе</b>

<b>+0.115 nats на ставку: LLM-ансамбль выглядит умным, пока его не сложили вместе</b>

В arXiv-работе разобрали 1 876 ensemble-клик на панели из четырёх mid-tier LLM. Метрика eps* была выше нуля на 33–94% клик: локально ответы связные, а в композиции система уезжает от joint coherent polytope.

Для команд, которые гоняют LLM через pre-check крео, policy-разметку или внутренний скоринг аккаунтов, неприятный момент в другом: retrieval, partition-aware prompting и aggregator-LLM в статье не спасли — каждый вариант либо провалился, либо дал регресс.

Завтра можно сделать простую вещь: не верить одному «агрегатору поверх моделей», а логировать расхождения между компонентами и отдельно считать остаточную ошибку на связанных решениях. Иначе кабинет может получить не умного ревьюера, а уверенную кашу в красивом JSON.