AWS Machine Learning Blog精选评分 61AWS 用 AgentCore Evaluations 评估多智能体供应链决策
Evaluating multi-agent systems for explainability and helpfulness with Amazon Bedrock AgentCore
AWS 在博客中给出基于 Strands Agents SDK 与 Amazon Bedrock AgentCore Evaluations 的多智能体供应链决策参考实现，由编排智能体加优化、配送、路由、分析四个子智能体处理库存分配、路线推荐与库存诊断。评估分三层，先以 Helpfulness 等内置评估器建立通用质量基线，再叠加约束满足、SQL 正确性等自定义评估器验证业务正确性，最后用决策理由质量、证据归因、约束推理、权衡解释、工具使用解释与假设披露六项评估器独立衡量可解释性，并支持按需与在线两种评估模式。
推荐理由：文章把可解释性拆成六项独立评估器并与准确性分开测量，读者可据此区分正确却说不清理由的回答与解释充分但结论错误的回答。