// AI 新闻 · 2026-10-28 · AWS Machine Learning Blog

Property Finder通过构建无偏评估数据在Amazon Bedrock上选优模型

Property Finder团队在将视觉AI工作负载迁移至Amazon Bedrock过程中，发现其评估标签中96.8%直接继承自现有模型预测，导致评估体系系统性偏倚。该问题使任何替代模型在比较中处于结构性劣势，无法真实反映性能差异。团队通过手动标注356张阿联酋房产图像构建了独立于原模型输出的无偏地面真值，并采用迭代式提示优化方法，将模型准确率提升，成本降低86%。

阅读原文（AWS Machine Learning Blog）↗

原文发布 2026-10-28 00:53（北京时间）来源 AWS Machine Learning Blog自动整理 · 已核对原文

01摘要

评估涵盖11项图像质量属性，包括水印检测、房间分类、家具状态等。团队通过分析错误样本发现原有标签存在字符级错误和类别误设问题。开发集由前256张图像构成，最终评估集包含全部356张图像，其中后100张为后续标注数据，确保模型比较具备统计有效性。

由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。

02要点

96.8%的评估标签来自现有模型预测，导致系统性偏倚。
团队手动标注356张阿联酋房产图，构建独立于原模型的无偏地面真值。
通过迭代提示优化（v0至v27）提升分类准确率，成本降低86%。
评估覆盖11项图像质量属性，包含水印、房间类型等关键指标。

03原文出处

Fix evaluation bias to unlock better models on Amazon Bedrock

AWS Machine Learning Blog · 发布于 2026-10-28 00:53（北京时间） · 上方为原标题

05同主题新闻

出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。全部 AI 新闻 · 今日

01摘要

02要点

03原文出处

04站内相关

05同主题新闻