★ 3
新基准 PLE 发布：最强智能体物理工程设计仅得 50.6%
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。
arXiv cs.AI10 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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。