Google 发布 Physical-Engineering's Last Exam（PLE）基准，14 个前沿模型得分均低于 50%
Introducing Physical-Engineering’s Last Exam for agents
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
Google AI & 基础设施团队联合 Mercor 发布 Physical-Engineering's Last Exam（PLE）基准与开放竞赛，测试模型完成机械、电气、土建、结构工程任务的能力，共 85 个长程任务，另开放 29 个公共任务、评分工具和 ple-bench.com 排行榜。
推荐理由
基准覆盖机械、电气、土建、结构四类长程工程任务，并给出模型与 harness 影响的量化对比，读者可据此评估 Agent 在真实工程上的差距。
来源：Google Cloud: Databases · cloud.google.com