Google与Mercor发布PLE工程Agent评测

Google 与 Mercor 发布 Physical-Engineering's Last Exam（PLE），用 85 项机械、电气、土木与结构工程任务评测工程 Agent。在 56 项隐藏测试中，Claude Opus 5.5 搭配 Claude Code 得分 48.3%；在共同创作任务中，它平均满足 91% 的单项约束，但只有 41.3% 的交付设计项满足全部硬性安全与可行性要求。 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；其 Solver 在执行期间无法访问隐藏验证器，也不会得到实时评分。

AI 根据报道生成 · 42 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。