Amazon用视觉语言模型与OCR联合评估商品页：质量分类准确率达94%

AWS于11月5日介绍Amazon Marketplace的一套A+商品详情页质量评估方案。系统先把商品页渲染成完整画面交给视觉语言模型整体评估，再用OCR提取文本密度、字符密度、间距和可读性信号；八项特征共同输入CatBoost分类器，SHAP解释哪些因素拉低评分，并由语言模型把原因整理成优先改进建议。

在覆盖10个品类、5478个商品详情页的留出集上，融合模型准确率为0.94、F1为0.95；AWS给出的平均VLM分数阈值基线分别为0.80和0.84。卖家按建议修改后，内容质量评分平均提高1.4分（满分10分）。AWS还称，在生产环境中按模型判断调整低质量内容可见度的A/B实验带来统计显著的Ordered Product Sales改善，但文章未给出提升幅度。

这是AWS披露的内部系统与评测结果，指标不应直接外推到其他平台或品类。

来源：AWS Machine Learning Blog，How Amazon Marketplace evaluates content quality with Amazon SageMaker AI（2026-11-05）
https://aws.amazon.com/blogs/machine-learning/how-amazon-marketplace-evaluates-content-quality-with-amazon-sagemaker-ai/