如何在 Amazon Bedrock AgentCore Evaluations 中使用决策模型评测智能体

AWS 介绍了在 Amazon Bedrock AgentCore Evaluations 中通过基于代码的评估器接入 Jev 与 Strands Decider 2B 等决策模型的评测方案。决策模型输出校准概率分布以执行低延迟的确定性判断，可作为前置过滤层与负责深入解释的内置 LLM 评估器形成级联架构。文章还详细阐述了通过人工基准标注对齐、置信度校准与分歧分析来验证评估器有效性的完整流程。