Claude Code Antifraud, часть 2: крысы‑биссектрисы и обезьяны‑медианы на детской олимпиаде
В статье показано, как Claude Code Antifraud выявляет скрытый обман на устных геометрических олимпиадах в Питере, используя необычные паттерны решений – «крысы‑биссектрисы» и «обезьяны‑медианы».
Вторая часть серии о проекте Claude Code Antifraud посвящена анализу результатов Питерской олимпиады по геометрии для 4‑11‑классов. По сравнению с первой частью, где рассматривалась московская олимпиада, здесь добавлены новые сложности: 6 сезонов, 40+ площадок, устный формат – участники рассказывают решение, а жюри лишь кивает или нет, без черновиков и возможности перепроверки.
Автор получил «импортное за триста» – доступ к полному набору записей выступлений, и поставил задачу автоматически выявлять случаи массового мошенничества. Для этого использовался Claude в режиме Code Antifraud: модель генерировала промпты, которые сравнивали решения участников между собой, ищут совпадения в структуре доказательств, характерных ошибках и даже в стиле изложения.
В ходе экспериментов выявлены два характерных паттерна:
- «Крысы‑биссектрисы» – участники, которые систематически используют один и тот же «секретный» способ построения биссектрис, отличающийся редкой последовательностью шагов.
- «Обезьяны‑медианы» – решения, где медиана треугольника выводится через необычную комбинацию углов, повторяющуюся в разных школах.
С помощью Claude удалось обнаружить более 150 подозрительных наборов решений, из которых ≈30 % подтвердились при ручной проверке жюри. Точность модели составила 92 % (precision) и 87 % (recall) при пороге 0.75.
Статья содержит ссылки на оригинальный материал на Habr AI (ссылка) и на документацию Claude Code Antifraud, а также открытый репозиторий с примерами промптов.
Таким образом, проект демонстрирует практическую ценность LLM в борьбе с академическим мошенничеством, особенно в условиях ограниченного доступа к письменным материалам.
Для разработчиков образовательных сервисов это пример того, как LLM могут автоматизировать проверку устных работ, снижая нагрузку жюри и повышая честность конкурсов. Однако требуется тщательная калибровка порогов и проверка результатов человеком, чтобы избежать ложных обвинений.
