Google 和 Mercor 的 PLE 揭示了工程智能体的约束瓶颈

发生了什么

Google 和 Mercor 推出的 Physical-Engineering's Last Exam（PLE）评估了 85 项工程任务，发现局部准确率与可行设计交付之间存在差距。Claude Opus 5.5 搭配 Claude Code 在 56 项隐藏测试中得分为 48.3%；在协同创作任务中，它平均满足了 91% 的单项约束，但只有 41.3% 的设计提交满足所有硬性安全与可行性要求。本文探讨了约束耦合、设计状态管理和验证对工程智能体构成的挑战。

接下来读什么

• 今日还有哪些重要变化OpenAI 发布 Images 2.6，支持导出 SVG、生成 GIF，速度更快

这件事到目前为止

Google and Mercor introduced Physical-Engineering's Last Exam (PLE), a benchmark of 85 engineering tasks for evaluating AI agents. On 56 hidden tests, Claude Opus 5.5 with Claude Code scored 48.3%. Across co-creation tasks, it satisfied 91% of individual constraints on average, but only 41.3% of design submissions met every hard safety and feasibility requirement. The results point to a gap between meeting constraints one at a time and delivering a viable design that satisfies them all.