Property Finder 修正评估偏差并优化视觉模型选型
先了解这件事
房地产平台 Property Finder 在把视觉 AI 负载迁移到 Amazon Bedrock 时发现，其评估数据集中 96.8% 的标签直接沿用了现有视觉语言模型的预测结果，而非人工核验，导致任何替代模型在比较中都处于结构性劣势。 该团队改为由具备房地产领域知识的专家独立标注 356 张阿联酋图片，并将单标签分类改为多标签分类，以消除人为歧义；随后用 Micro F1 在 256 张专家标注的开发集上评分，通过从 v0 到 v27 的提示词迭代优化选择模型。 据 AWS 与 Property Finder 团队称，最终在 Amazon Bedrock 上实现更高准确率，成本降低 86%。这一结果仅基于阿联酋图片；埃及的 230 张图片仅作跨区域检查，未在报道中给出结果。成本数字为截至 2025 年 12 月美国东部（俄亥俄）区域的估算值。
AI 根据报道生成 · 6 天前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AWS Machine Learning BlogProperty Finder 如何修正 Amazon Bedrock 上的评估偏差，选出更优视觉模型
Property Finder 发现其评估数据集中 96.8% 的标签直接沿用了现有视觉语言模型的预测结果，而非人工核验，导致任何替代模型在比较中都处于结构性劣势。该团队在将视觉 AI 负载迁移到 Amazon Bedrock 上更具成本效益的方案时，改为由具备房地产领域知识的专家独立标注 356 张阿联酋图片，并将单标签分类改为多标签分类，以消除人为歧义。随后他们用 Micro F1 在 256 张专家标注的开发集上评分，通过从 v0 到 v27 的提示词迭代优化选择模型，最终在 Amazon Bedrock 上实现更高准确率、成本降低 86%。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 1010月28日 02:00
- 近 24 小时变化
- -51%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。