Property Finder 修复评测偏差，在 Bedrock 上选模型

房地产平台 Property Finder 发现，其模型评估所用的标签中有 96.8% 直接来自现有视觉语言模型的预测，而非人工核验，这使得任何替代模型在对比中都处于结构性劣势。团队重新人工标注了 356 张阿联酋图像，改用多标签分类，并在 Amazon Bedrock 上结合进化式提示词优化，从 v0 迭代到 v27。 据 AWS Machine Learning Blog 称，这一做法最终在阿联酋图像上实现了准确率提升，成本降低 86%。该结果仅报告阿联酋图像；埃及的 230 张图像只用于跨区域检查，未在文中报告结果。成本数字为截至 2025 年 12 月美国东部（俄亥俄）区域的估算值。评估集包含 256 张开发图像，两个模型的提示词均在这些图像上调优。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。