Как мы научили GigaChat слышать: погружение в аудиомодальность

А как собиралась корзина для SbS? Для потока количество both bad выглядит пугающе. Было ли взвешивание в пользу каких-то сценариев? Были ли специфичные под аудиомодальность сценарии (использовании сцены, сложных слов и т.д.)?