先了解这件事
AI 综述
2026年11月18日,AWS团队发文分享在Amazon Bedrock AgentCore上降低JSON工作负载成本的三种可组合策略。据AWS Machine Learning发布的文章,这些策略针对Flightscape的机组排班智能体,在23 MB JSON负载的基准测试中把token消耗最多降低71%、平均延迟最多降低80%。具体做法包括:把大JSON存入Amazon S3、AgentCore memory只保留内容寻址的引用;工具返回超大列表时改为分页句柄;超大字典则返回结构描述符。在100个样本问题上,总token从23.6 M降到8.5 M,平均trace延迟从7,930 ms降到2,461 ms。目前该分享为唯一已披露进展。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源:AWS Machine Learning
报道与讨论时间线
按时间查看正式报道与传播讨论;两类内容的证据等级保持独立。
11月18日
AWS Machine Learning一手
AWS 分享在 Amazon Bedrock AgentCore 上降低 JSON 工作负载…
AWS 团队为 Flightscape 的机组排班智能体给出三种可组合策略,在 23 MB JSON 负载的基准测试中把 token 消耗最多降低 71%、平均延迟最多降低 80%。做法是把大 JSON 存入 Amazon S3、AgentCore memory 只保留内容寻址的引用,工具返回超大列表时改为分页句柄,超大字典则返回结构描述符。在 100 个样本问题上,总 token 从 23.6 M 降到 8.5 M,平均 trace 延迟从 7,930 ms 降到 2,461 ms。
AI 热点