雷峰网·· 7 小时前AI 评分62
Google 与 Mercor 发布 PLE 基准，Claude Opus 5.5 满足 91% 单项约束但仅 41.3% 设计过安全门槛
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，以 85 项机械、电气、土木与结构工程任务评测工程 Agent。
来源：雷峰网 · leiphone.com
Google 与 Mercor 发布 PLE 基准，Claude Opus 5.5 满足 91% 单项约束但仅 41.3% 设计过安全门槛