هوش مصنوعی
Property Finder با اصلاح سوگیری ارزیابی، هزینهٔ مدل بینایی را ۸۶ درصد کاهش داد
این شرکت دریافت که ۹۶٫۸ درصد از برچسب‌های ارزیابی هوش مصنوعی بینایی‌اش از مدل قبلی به ارث رسیده‌اند؛ مسئله‌ای که دقت واقعی آن مدل را پنهان می‌کرد.
Property Finder با ساخت مجموعه‌ای از داده‌های مرجعِ بی‌طرفانه، بهینه‌سازی تکاملی پرامپت‌ها و انتخاب مدلی دقیق‌تر و مقرون‌به‌صرفه‌تر در Amazon Bedrock، هزینه‌ها را برای ارزیابی ۱۱ ویژگی کیفیت تصویر ۸۶ درصد کاهش داد.
به‌گفتهٔ AWS، ۹۶٫۸ درصد از برچسب‌های ارزیابی Property Finder از مدل پیشین این شرکت به ارث رسیده بودند؛ در نتیجه، ارزیابی انجام‌شده تصویر دقیقی از عملکرد واقعی مدل ارائه نمی‌داد. این شرکت با بازنگری در فرایند ارزیابی توانست مدلی مناسب‌تر انتخاب کند.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: AWS AI Blog — مشاهده منبع اصلی ↗