연구진이 VLM을 활용해 인간 판단이 필요한 비교 항목을 우선순위화하는 'Surprise-Guided MergeSort (SGS)' 프레임워크를 제안했어요.
SGS는 비교 항목을 구조화하는 MergeSort 스케줄러, VLM 신뢰도·Elo 차이·투표 엔트로피를 결합한 Surprise Scorer, 그리고 적응형 예산 할당기를 포함해요.
실험 결과, SGS는 세션당 최대 535개의 불필요한 비교를 건너뛰어 Active Elo 대비 Kendall's τ 6~12% 향상 효과를 보였어요.
SGS는 다양한 도메인에서 정확도와 효율성 간의 균형을 제공하는 것으로 나타났어요.