AutoRelAnnotator：以校准模型级联降低搜索相关性标注成本

搜索相关性标注用于训练数据准备、NDCG评估及原因分析，但人工标注慢，通用LLM在领域任务上准确率有限。AutoRelAnnotator以经过校准的模型级联完成低成本离线标注，将查询逐步路由至更大的微调分类器。核心观察是准确率和成本可分开优化：领域微调主要提高准确率，级联主要降低成本，逐类别保序校准带来小幅稳定改善。研究分解效果，发现微调贡献20个百分点的准确率提升，级联基本保持准确率并将计算成本减半；逐类别保序校准比最强校准基线提高0.6个百分点，具有统计显著性。系统在六类生产离线用例中处理超过1.5亿条标注，用于加快实验迭代。