AWS提出多轮对话代理评估指标AEM

AWS提出Agent Evaluation Metric（AEM），用于评估多轮对话代理在具体回合中的表现。

AWS指出，多轮代理中的早期错误可能影响后续每一轮，单轮评估难以区分最初的错误与继承结果。AEM采用可分解的回合级方法，当前文章聚焦正确性维度，帮助定位造成失败的回合。

该指标是评估框架的一部分，实际阈值、数据集和人工复核方式需要按业务场景设计。

来源：AWS Machine Learning Blog，发布时间：2026年9月10日。