先了解这件事
AI 综述
Google 发表新论文,提出面向实体工程任务的 PLE 基准。该基准包含 85 个由执业工程师编写或核验的电气、土木、结构和机械工程任务。据 Rohan Paul 的报道,最强智能体在 PLE 上仅得 50.6%:Claude Opus 5.5 在 Claude Code 中以 50.6% 在 14 个模型中居首,每个任务消耗 27M tokens、耗时 63 分钟,需阅读约 61 个项目文件并交付进度表、报告或 2D/3D 图纸。报道还称,在设计任务中其输出满足 91% 的约束,但只有 41.3% 满足全部硬性约束。目前尚无后续进展。
AI 根据公开报道生成
最新进展 · 正式报道
Google 新论文提出 PLE 基准：最强智能体在实体工程任务上仅得 50.6%事件进展
1 个已确认进展
- 来源：Rohan Paul
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。
10月29日
Rohan Paul
Google 新论文提出 PLE 基准：最强智能体在实体工程任务上仅得 50.6%
Google 新论文提出 PLE 基准，包含 85 个由执业工程师编写或核验的电气、土木、结构和机械工程任务，最强智能体仅得 50.6%。Claude Opus 5.5 在 Claude Code 中以 50.6% 在 14 个模型中居首，每个任务消耗 27M tokens、耗时 63 分钟，需阅读约 61 个项目文件并交付进度表、报告或 2D/3D 图纸。在设计任务中其输出满足 91% 的约束，但只有 41.3% 满足全部硬性约束。