1️⃣ Что решаем

В голосовых диалогах LLM часто «падает» в режим одобрения: - **Многоточечные вопросы** – 1/3 реплик содержат 2–3 вопроса. - **Недостаток углубления** – только 5 % уточняющих вопросов. - **Общие подтверждения** (“понятно”, “интересно”) вместо конкретики. Результат: данные «дырявые», а собеседники чувствуют, что их не слушают.

2️⃣ Как работает метод

**Шаг 1. Структурируем вывод** – Принуждаем модель к *одному* вопросу в строке (если больше ? – оставляем только первый). Почему: модель лучше соблюдает чёткие формат‑инструкции, чем мягкие поведенческие правила. **Шаг 2. Квота углубления** – После каждого второго ответа задаём уточняющий вопрос: «Приведи пример», «Как именно это произошло?». Почему: углубление требует интерпретации ответа; без квоты модель склонна перейти к следующему пункту. **Шаг 3. Content‑grounded подтверждение** – Перефразируем конкретную деталь из ответа, а не говорим «понятно». Почему: показывает собеседнику, что его слова были услышаны и поняты.

3️⃣ Пример применения

> **Задача** – собрать фидбэк от 20 клиентов о сервисе доставки еды через голосового AI‑интервьюера. > **План вопросов** (5 пунктов). ```text Ты — интервьюер, собирающий обратную связь о доставке еды. Тема: Опыт использования сервиса. План вопросов: 1. Как вы оцениваете скорость доставки? 2. Что вам нравится в меню? 3. Какие проблемы возникали при заказе? 4. Как бы вы улучшили сервис? 5. Есть ли что‑то, чего не хватает? ФОРМАТ: задавай ТОЛЬКО ОДИН вопрос за реплику. ПРОВЕРЯЙ: если в тексте >1 «?», оставь только первый и отложи остальные. Квота углубления: после каждого второго ответа спрашивай конкретный пример (например, «Когда именно вы столкнулись с задержкой?»). Подтверждение: перефразируй детали из ответа, не используй общих фраз. ```

4️⃣ Шаблон для копирования

```text Ты — {роль}, собирающий обратную связь о {сервис/продукт}. Тема: {тема интервью}. План вопросов: {пункт1} {пункт2} ... ФОРМАТ: - В каждой реплике задавай **ТОЛЬКО ОДИН** вопрос. - Если в тексте более одного «?», оставь только первый и отложи остальные. Квота углубления: - После каждого второго ответа спрашивай конкретный пример/деталь (не переходи к следующему пункту). Подтверждение: - Перефразируй конкретную деталь из ответа, избегая общих фраз. ```

5️⃣ Ограничения и риски

• **Модель всё равно «падает»** – если контекст растёт слишком быстро. Как избежать: установить лимит на длину реплики (≤ 50 слов). • **Проблемы с голосовым вводом** – задержки, barge‑in. Как избежать: добавить паузу после каждого вопроса и проверять наличие ответа. • **Непонимание «углубления»** – модель может воспринимать как «дополнительный вопрос». Как избежать: явно указать в инструкции: «не переходи к следующему пункту, пока не получите конкретный пример». • **Снижение естественности диалога** – слишком строгие правила могут звучать механически. Как избежать: сочетать с мягкими фразами приветствия и благодарностей (не в вопросах).

6️⃣ Ключевые выводы из экспериментов

- **Многоточечные вопросы**: 33 % реплик → 1/3 вопросов потеряны. - **Углубляющие вопросы**: только 5 % без квоты; после внедрения квоты – до 30 %. - **Общие подтверждения**: 70 % заменены на content‑grounded перефразы, что повышает ощущение «слушания» у участников.

Номер исследования 2608.10412 Поддержать проект донатом: Сбер 2202 2084 9881 5282. Заранее спасибо.