EduLogic 希望在將其中一個 Bedrock 模型投入生產之前，比較兩個模型的答案準確性和安全性。他們需要大規模執行自動化、可重複的指標，並針對邊緣案例收集人工判斷。哪種架構最能實現內建指標的自動化評估和抽樣輸出的S人工評估？

正確答案提供了一種全面且可擴展的方法，結合了自動化評估和人工判斷。Bedrock 評估任務（或 API）允許在大規模上自動計算內建指標（如 BLEU/ROUGE/F1 和安全分數），並將結果儲存到 S3。對於人工評估，使用 SageMaker Ground Truth 或 Amazon A2I 進行分層抽樣，確保對邊緣案例進行有針對性的審查，並將人工標籤與自動化指標結合，以做出明智的模型選擇。 其他選項的缺點： 即時執行模型並依賴 CloudWatch Logs 和 Lambda 函數計算啟發式方法，這是一種手動且效率低下的方法，難以大規模擴展，並且公開的網路表單收集人工回饋也不夠安全和可控。 SageMaker Model Monitor 主要用於生產模型的資料漂移和模型品質監控，而不是預生產的模型比較和安全評估。Bedrock 不會自動建立人工審查佇列。 僅依賴人工評估成本高昂、耗時，且難以大規模執行，同時也放棄了自動化指標提供的效率和客觀性。