отсутствия источников, необоснованных утверждений и противоречий. Сотрудник использовал Python для извлечения комментариев из DOCX-файлов, затем с помощью LLM сгруппировал 73 комментария в 16 паттернов по 6 группам, включая соответствие заданию, доказательную базу, границы компетенций, архитектурные решения, глубину проработки вопросов и поэтапное согласование. Он выяснил, что почти все комментарии были эпистемологического характера — требовали чёткого указания статуса утверждений, поскольку LLM генерирует текст с одинаково уверенной интонацией. Он внёс три изменения в пайплайн: пометку каждого утверждения как [B] — из брифа, [E] — экспертная оценка, или [D] — допущение; добавление чек-листа как отдельного этапа пайплайна; и сохранение этого чек-листа в постоянной памяти агента. Следующие четыре документа прошли без повторных комментариев, остались только новые содержательные замечания. Автор признаёт, что выборка мала, и что эффект частично обусловлен самой маркировкой источников, которая не используется для обхода рецензента, а формализует его неявные стандарты качества.