Property Finder 修正评估偏差，Bedrock 选型降本 86%

房地产平台 Property Finder 发现，其视觉语言模型评估标签中 96.8% 直接来自现有模型的预测，而非人工核验，导致任何替代模型在对比中结构性处于劣势。团队改用专家独立标注的 356 张 UAE 图像构建无偏基准，并在 Amazon Bedrock 上通过 v0 到 v27 的提示词优化循环选型。 AWS 称，这一流程最终实现准确率提升，成本降低 86%。成本数字为 2025 年 12 月美国东部（俄亥俄）区域的估算；其中 Llama 4 Maverick 17B Instruct 的估算按每张图像 9,000 输入 token、200 输出 token 计算。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；356 张图像约足以检测模型间的中等差异。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。