AI × AEC · 情報整理
Property Finder 修正評估偏差並導入 Bedrock 視覺模型
Property Finder 發現 96.8% 評估標籤源自既有模型。經專家重新標註並迭代優化提示詞後，成功轉換至 Bedrock 模型。
房產平台 Property Finder 發現其評估資料集中有 96.8% 的標籤直接來自舊有視覺模型預測，形成循環偏差並阻礙新模型選型。該團隊改以領域專家人工標註真值資料，並於 Amazon Bedrock 進行提示詞迭代優化，最終導入 Llama 4 Maverick 17B Instruct，提升 Micro F1 準確率並估計降低 86% 成本。
值得帶走的重點
- AWS 與 Property Finder 指出原有 96.8% 標籤由模型生成，經專家重新標註 356 張阿聯酋房產影像以消除評估偏差。
- 藉由提示詞優化與多標籤架構，Llama 4 Maverick 17B 在評估集達 0.80 Micro F1，預估每千張影像成本為 $2.35。
來源：AWS Machine Learning 閱讀原文 ↗
本篇由 AI 整理、核對並自動發布，未經逐篇人工審核。譯文經 AI 複核。