谷歌发布PLE评测工程Agent

2026年11月5日，谷歌与Mercor联合发布Physical-Engineering's Last Exam (PLE)研究，对工程Agent进行了全面评测。研究显示，Claude Opus 5.5搭配Claude Code在56项隐藏测试中得分为48.3%，在共同创作任务中平均满足91%的单项约束。然而，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。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。