GoogleAI等发布物理工程AI基准PLE

发生了什么

合作方与GoogleAI共同构建了名为Physical‑Engineering's Last Exam (PLE)的基准，包含85项跨机械、电气、土木和结构工程的长时任务。该基准的私有测试集显示，所有前沿模型的得分均低于50%，其中Claude Opus 5.5得分最高，为48.3%。在共同编写的任务中，最高代理满足了91%的单项约束，但仅有41.3%的交付项通过所有硬安全检查。该基准对外开放，鼓励其他团队提交模型进行评估。