Property Finder 在 Amazon Bedrock 上修复评估偏差并优化视觉模型

Property Finder 发现其 96.8% 的评估标签源自单一模型预测，导致评估存在系统性偏差。团队通过专家标注构建无偏基准，并利用演化式提示词优化将 Llama 4 Maverick 17B Instruct 的 Micro F1 从 0.55 提升至 0.81，同时降低了 86% 的成本。