Property 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% 直接沿用了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结构性处于劣势。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，最终实现准确率提升且成本降低 86%。