Property Finder 如何修正 Amazon Bedrock 上的评测偏差，以 86% 更低成本选出更优视觉模型

Property Finder 发现其评测标签中 96.8% 直接来自现有视觉语言模型的预测而非人工核验，导致替代模型在比较中结构性吃亏。团队重新人工标注 356 张 UAE 图像、改用多标签分类，并通过 v0 到 v27 的提示词优化循环在 Amazon Bedrock 上选型，最终实现更高准确率与 86% 的成本下降。