图灵人工智能 · 微信公众号· 郑佳美·2026-11-05 00:00· 6 天前AI 评分58

Google与Mercor发布PLE基准：工程Agent单项约束满足91%但仅41.3%交付项全达标

91% ≈ 0%？谷歌最新研究，戳破工程 Agent 的高正确率泡沫

AI 导读

Google与Mercor发布Physical-Engineering's Last Exam（PLE）基准，用85项机械、电气、土木与结构工程任务评测工程Agent。