惊喜引导合并排序：通过自适应比较调度实现预算高效的人机循环排名

成对比较是主观排名任务的黄金标准；然而，详尽的注释需要大量的人工比较（$O(n^2)$）。虽然基于排序的方法已将这种负担减少到 $O(n\log n)$，但它们仍然需要对每次比较进行昂贵的人工判断。为了进一步提高注释效率，我们建议利用视觉语言模型（VLM），而不是作为注释器的替代品，而是作为\emph{问题优先级排序器}来识别哪些比较真正需要人类判断。所提出的 Surprise-Guided MergeSort (SGS)} 框架通过三个集成组件实现了这一目标：(1) 一个自下而上的 MergeSort 调度程序，用于构建比较并利用传递性；(2) 一个复合 Surprise Scorer——结合了位置偏差取消的 VLM 置信度、Elo 差距和投票熵——以量化比较模糊性；(3) 一个自适应预算分配器，用于路由与人类进行高惊喜配对，同时通过传递性推理自动进行低惊喜配对。对涵盖文本相似性（STS-B、BIOSSES、SICKR-STS）和图像质量评估（KonIQ-10k、TID2013、LIVE Challenge）的六个不同基准进行了验证。 SGS 在每个会话中有效识别并跳过了多达 535 个无信息比较。因此，在相同的总预算下，它比 Active Elo 实现了 Kendall 的 $τ{\times}100$ 改进，从 $+6$ 到 $+12$。这些结果表明，将 VLM 引导的意外指标与算法排序相结合，可以在不同领域提供总体一致的准确性与效率权衡。