谷歌研究揭示工程Agent高正确率泡沫

谷歌与Mercor发布Physical-Engineering's Last Exam (PLE)研究，显示Claude Opus 5.5搭配Claude Code在56项隐藏测试中得分48.3%，在共同创作任务中平均满足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。研究揭示了工程Agent面临的可行域瓶颈、长流程状态一致性问题，以及验证器作为核心基础设施的重要性。