研究人员推出物理工程基准 PLE：最强智能体平均得分仅 50.6%

研究团队推出面向专业物理工程的基准测试 PLE，包含电气、土木、结构和机械工程等领域的 85 个长周期智能体任务，要求输出可签署交付的真实工程成果。在 7 种开源智能体框架评测下，最强前沿 LLM 配置的平均得分仅为 50.6%，单任务平均耗费 27M tokens 与 63 分钟，显示出当前智能体与自主工程设计之间仍有显著差距。