Property Finder 修正评测偏差后在 Bedrock 上选型
热点事件持续更新
Property Finder 修正评测偏差后在 Bedrock 上选型
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Property Finder 发现，其图像评估标签中有 96.8% 直接来自现有视觉语言模型的预测，而非人工核验，导致替代模型在比较中天然处于劣势。团队重新人工标注 356 张 UAE 图像，把单标签改为多标签分类，并通过 v0 到 v27 的提示词优化循环，在 Amazon Bedrock 上完成模型选型。 据 AWS Machine Learning Blog 称，这一做法最终实现了准确率提升，成本降低 86%。其中，前 256 张标注图像用于调优开发集，最终模型比较的评估集使用全部 356 张，包含开发运行后新增标注的 100 张。 成本数据为截至 2025 年 12 月美国东部（俄亥俄）区域的估算；Llama 4 Maverick 17B Instruct 的数字按每张图像 9,000 输入 token、200 输出 token 计算。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 00:53
Property Finder 如何修正评估偏差，在 Amazon Bedrock 上选出更优模型报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- AWS Machine Learning BlogProperty Finder 如何修正评估偏差，在 Amazon Bedrock 上选出更优模型
Property Finder 发现其评估标签中 96.8% 直接来自现有视觉语言模型的预测而非人工核验，导致替代模型在比较中天然处于劣势。团队重新人工标注 356 张 UAE 图像，将单标签改为多标签分类，并通过 v0 到 v27 的提示词优化循环在 Amazon Bedrock 上选型，最终实现准确率提升且成本降低 86%。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月28日 02:00
- 近 24 小时变化
- –
02.557.510
02:0003:0004:00
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。