["亚马逊AWS推出人类基准测试团队，改进人工智能模型评估","亚马逊希望用户能够更好地评估人工智能模型，并鼓励更多人参与这一过程","AWS提供Bedrock上的模型评估，以评估其存储库中的模型","模型评估包括自动评估和人工评估两个部分，可以根据不同指标评估模型性能","AWS还提供人工评估团队与用户合作，检测到自动系统无法检测到的指标"]