谷歌与Mercor发布PLE工程Agent评测

谷歌与Mercor发布工程Agent评测基准Physical-Engineering's Last Exam（PLE），用85项机械、电气、土木与结构工程任务量化当前工程Agent的能力落差：在56项隐藏测试中，Claude Opus 5.5搭配Claude Code得分48.3%。 在41项人机共同创作任务中，该模型平均满足91%的单项约束，但只有41.3%的交付设计项同时满足全部硬性安全与可行性要求，即单项约束满足率高、整体交付合格率低。 PLE目前仍是受控环境中的评测，不能替代制造试验与正式签核。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。