跳到正文
K = 0.731订阅

Google and Mercor Introduce an 85-Task Engineering Benchmark

1篇报道 1个报道来源 4 小时前更新

中文版本尚未就绪 · 显示原文

先了解这件事

AI 综述

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.

AI 根据报道生成 · 2 小时前更新

最新进展11月5日 13:51
Google and Mercor’s PLE Exposes Constraint Bottlenecks in Engineering Agents雷锋网

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

提到的模型

全部模型的 API 价格

报道时间线

沿着报道，了解事件的不同侧面。

11月5日
  1. 雷锋网
    Google 和 Mercor 的 PLE 揭示了工程智能体的约束瓶颈

    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。

每天一封，跟上 AI 的重要变化

模型发布、价格变化、算力进展，附原始来源。免费，确认后开始发送，随时一键退订。 看一份往期日报

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。