新基准 PLE 发布：最强智能体物理工程设计仅得 50.6%
原文标题：PLE: Physical-Engineering's Last Exam
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者推出 PLE 基准，包含 85 个电气、土木、结构与机械工程的长周期智能体任务，要求产出可交付的真实工程设计包。在七种公开 harness 下，最强配置平均仅 50.6%，每题平均消耗 2700 万 token、63 分钟。结果显示当前智能体与自主物理工程设计仍有巨大差距。
- 问题
- 现有工程基准已饱和，无法检验智能体能否交付真实可签字的物理工程设计。
- 方法
- 构建 85 个电气、土木、结构与机械长周期任务，由执业工程师出题或对抗式智能体流水线生成环境与评分器。
- 结果
- 七种 harness 下最强配置平均仅 50.6%，每题平均耗 2700 万 token、63 分钟。
- 影响
- 给出智能体做高价值专业工程交付的真实能力上限，适合评估长周期高成本智能体产品。
深读 · 结论先行AI 生成展开看要点与影响 ↓
PLE基准85个物理工程任务，最强配置平均仅50.6%
- •覆盖电气、土木、结构与机械工程，要求产出可交付的真实工程设计包
- •七种公开harness下最强配置平均仅50.6%，每题平均消耗2700万token、63分钟
- •任务由执业工程师端到端编写，或经对抗式Creator-Solver流水线构建环境与评分器
- •现有工程基准多为教材问答、孤立工具调用或玩具设计，已被前沿智能体饱和
为什么重要：把评测从知识问答推进到可签署的真实工程交付，暴露当前智能体与自主物理工程设计之间的巨大差距。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。