ML-ядро адаптивного тренажёра по обществознанию

Проект: онлайн-тренажёр по обществознанию подготовки к олимпиадам для 9–11 классов. Ученик выбирает класс, проходит входной тест (~10 заданий), далее система адаптивно подбирает задачи, ставит оценку 0–10, даёт обратную связь и рекомендации, иногда возвращает к простым заданиям для повторения. Бюджет на ML: 100 000 ₽. Нужна лёгкая прослойка вокруг внешней LLM (уровня GPT-4o-mini или аналог с хорошим русским) + простые rule-based/статистические решения, без тяжёлого обучения своих нейросетей. Задачи ML-специалиста: Автоматическая оценка ответов (тесты, краткие ответы, развёрнутые ответы/эссе) по шкале 0–10. Генерация краткой обратной связи: по тестам — объяснение правильного варианта и ошибок, по текстам — разбор по ключевым пунктам, рекомендация темы и, по возможности, ссылки на литературу через простую RAG-схему. Поддержка «карты знаний» по блокам (экономика, политика, право, соц. отношения, человек и общество и др.) и выделение слабых тем. Простая адаптивная логика подбора следующего задания (skill_level 1–10, правила повышения/понижения уровня, подмешивание базовых задач). Работа с «золотыми данными»: формат таблиц для экспертов, оценка объёма (ориентир 200–300 размеченных ответов), базовые метрики (MAE, RMSE, κ-Коэн) и их логирование. Стек: Python + FastAPI/Flask, внешняя LLM, простая векторная БД/поиск. Срок — до 3 месяцев Детальное ТЗ: https://docs.google.com/document/d/1NCilB_ZGw8FDbkd2CvI4BAwEY93M5-5Iin1B7Kq1bwE/edit?usp=sharing