// AI 新闻 · 2026-11-03 · Google Cloud AI/ML
谷歌联合Mercor发布物理工程能力评测基准PLE
谷歌AI与基础设施团队联合Mercor推出Physical-Engineering's Last Exam（PLE），一个评估前沿AI代理在机械、电气、土木和结构工程领域实际任务完成能力的新基准。该评测包含29个公开任务，涵盖85个长周期项目，每个任务包含平均61个文件，如CAD图纸、BIM模型和工程文档，要求代理在容器化环境中进行推理、计算并生成可被工程师审核的交付物。
原文发布 2026-11-03 16:00（北京时间）来源 Google Cloud AI/ML自动整理 · 已核对原文
01摘要
PLE由资深工程师基于真实工程场景设计，采用专家主导和协同设计两种方式构建任务。测试显示，当前所有前沿模型在私有测试集上平均得分低于50%，最高模型仅达48.3%；尽管满足大部分约束条件，但仅有41.3%的交付物通过全部安全与可行性检查，且模型选择对性能影响显著，远超代理框架的影响。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- PLE包含85个长周期任务，覆盖机械、电气、土木和结构四大工程领域。
- 任务基于真实工程工作流构建，包含CAD图纸、BIM模型等多类文件，需完成复杂推理与合规设计。
- 测试显示当前前沿模型在安全性和可行性检查上表现薄弱，平均得分低于50%。
- 模型选择对性能影响显著，远超代理框架差异，且所有交付物需通过严格安全门控。
03原文出处
Introducing Physical-Engineering’s Last Exam for agents
Google Cloud AI/ML · 发布于 2026-11-03 16:00（北京时间） · 上方为原标题
05相关新闻
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-03 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日