AWS 发布了一份指南，介绍如何在 Amazon Bedrock 上使用 Grok 4.7 构建和评估工具调用智能体。指南报告称，在三项合成任务的 72 次测试运行中，有 67 次得出了正确答案。评估比较了四种推理力度：xhigh 在 18 次运行中全部答对，而 low 在 18 次运行中答对 15 次，使用的输出 token 数约为 xhigh 的八分之一。AWS 提醒，这些小规模结果只能作为参考，不能得出统计上确凿的结论。
这些任务要求进行搜索，而非简单查找。指南涵盖任务设计、自动评分、生产监控和运营控制。运行示例需要一个具有 Amazon Bedrock 访问权限且已启用 Grok 4.7 模型访问权限的 AWS 账户。
AI 根据报道生成 · 4 天前更新
