add tests

Report.md

@@ -0,0 +1,51 @@
+# 📊 Сводный аналитический отчет по проверке сочинений (ЕГЭ)
+
+**Дата проверки:** 26 марта 2026 г.  
+**Объект:** Сочинения формата ЕГЭ (Ученики: `andrey`, `student_2`)  
+**Используемые модели:** Claude Opus 4-6, GPT-4o, GPT-5-Pro.
+
+---
+
+## 1. Сводная таблица результатов (Баллы)
+
+| Ученик | Реальный балл (Эксперт) | Claude Opus 4-6 | GPT-4o | GPT-5-Pro | Средний ИИ |
+| :--- | :---: | :---: | :---: | :---: | :---: |
+| **andrey** | **22** | 17 | 22 | 19 | **19.3** |
+| **student_2** | **22** | 13 | 18 | 17 | **16.0** |
+
+---
+
+## 2. Анализ работы моделей (Battle Review)
+
+### 🥇 Claude Opus 4-6 (Самый внимательный / Строгий)
+* **Сильные стороны:** Лучшее распознавание почерка (OCR). Заметила все зачеркивания («Юшка» -> «Мужчина») и оценила их как неуверенность.
+* **Критика:** Слишком жестко судит критерий **К10 (Речь)**. Считает повторы слов «тяжело» и «человек» грубой ошибкой, в то время как эксперты ЕГЭ допускают это в рамках темы.
+* **Вердикт:** Идеальна для "жесткой" самопроверки. Если Opus поставил 18+, на реальном экзамене это будет 20-22.
+
+### 🥈 GPT-5-Pro (Сбалансированный / Reasoning)
+* **Сильные стороны:** Глубокая логика. Заметила тонкие ошибки в управлении («обсуждали о том») и пунктуации в БСП.
+* **Критика:** Долгое время генерации (почти 500 сек), что может быть критично для массовых проверок.
+* **Вердикт:** Самая близкая к "человеческому" подходу модель. Она сомневается, пересматривает баллы (как в случае с К4 у Андрея) и дает дельные советы.
+
+### 🥉 GPT-4o (Лояльный / Быстрый)
+* **Сильные стороны:** Высокая скорость и "оптимизм". Поставила Андрею **22/22**, полностью совпав с реальным экспертом.
+* **Критика:** Склонна "прощать" или не замечать мелкие речевые недочеты и повторы.
+* **Вердикт:** Отлично подходит для быстрой оценки структуры и логики, но может быть слишком мягкой в плане грамотности.
+
+---
+
+## 3. Почему ИИ занижает баллы? (Анализ расхождений)
+
+В ходе тестирования выявлено, что ИИ часто ставит балл ниже, чем реальный эксперт (17-19 вместо 22). Причины:
+
+1.  **Роботизированная коррекция:** ИИ считает количество повторов слов на 100 символов. Если слово «герой» встречается 3 раза в абзаце — для ИИ это ошибка. Эксперт понимает, что это специфика жанра.
+2.  **Галлюцинации почерка:** Плохо разборчивые буквы ИИ иногда принимает за орфографические ошибки или лишние запятые.
+3.  **Трактовка К5-К6:** ИИ более чувствителен к стилистике. Разговорные слова («хоть», «наплевать») он наказывает строже, чем живой человек.
+
+---
+
+## 4. Итоговый вывод
+Система готова к работе. Для получения максимально объективной оценки рекомендуется ориентироваться на **средний балл между GPT-4o и GPT-5-Pro**. Результаты Claude Opus следует использовать как "планку максимума" для идеальной вычитки текста.
+
+---
+*Отчет сформирован автоматически на основе баттла моделей 2026.*