物理工程实操基准PLE发布：最强智能体均分仅约50.6%

Rujun Han、Yufan Zhuang等提出物理工程“最后一考”基准PLE，覆盖电气、土木、结构与机械工程等85项长程智能体任务，要求完成可计费的工程交付物。作者称现有工程基准多偏教材问答或玩具设计，且已被前沿系统刷满。论文称在七种公开智能体框架下评测多种前沿大模型，即使最强配置均分也仅50.6%，平均每任务耗约2700万token、63分钟，显示当前智能体与自主物理工程设计仍有显著差距。