Property Finder 如何修复评估偏差，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，导致任何替代模型在对比中结构性吃亏。团队重新人工标注 356 张 UAE 图像并改用多标签分类，结合进化式提示词优化在 Amazon Bedrock 上迭代至 v27，最终选出准确率更高、成本降低 86% 的模型。