InfluMatch：以 4B 模型成本提供前沿品质 KOL 搜索

如今，将影响者 (KOL) 与自由形式、多部分的泰国营销标准相匹配，要么通过结构化个人资料上的关键词搜索来实现，但这种方式会忽略语义匹配；要么通过在每个候选人上提示前沿 LLM 来实现，这种方式准确但缓慢且昂贵。我们提出了 InfluMatch，一种低成本的三阶段级联 - 检索 $\rightarrow$ 重新排序 $\rightarrow$ 原因 - 完全由小型开放权重模型构建：密集检索返回 50 个候选者，4B 点式重新排序器通过单个 Yes 标记的对数概率对每个候选者进行评分并保留 10，4B 推理器根据带有泰国理由的标题对每个标准的入围名单进行评分。该级联是针对成本而设计的：与对所有 50 个进行推理相比，对过滤后的前 10 名进行推理可以使词元支出减半，同时得分高出 14 分。在 11 个查询集（所有 50 个候选者均已标记）上，与人类相关性标签进行端到端对比，整个级联达到 94.1% P@5，而仅检索基线接近随机；它与前沿模型 Kimi-K2.6 (91.8%) 匹配，同时发出少 ${\sim}35\times$ 的输出词元，并在一台 A100 上以 ${\sim}20$ 秒的时间提供 50-KOL 查询。值得注意的是，唯一获得回报的 微调 是成对的：SimPO 调整的重新排序器与前沿基线的最佳选择精度 (78.0 EM) 相匹配，而 微调 逐点每个标准标签上的推理器提高了离线分数，但降低了端到端排名 - 我们追溯到绝对标记任务的设计的倒置 - 使未调整的基本模型成为最强的部署推理者。其结果是一个可部署、可解释的 KOL 搜索系统，而成本仅为前沿服务成本的一小部分。