PLE基准发布揭示智能体工程难题
热点事件持续更新
PLE基准发布揭示智能体工程难题
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月23日，研究团队发布PLE基准，包含电气、土木等85项长时程智能体任务，旨在测试真实工程交付能力。 该基准结合专家自创与对抗式共创两条路径：前者由工程师全流程开发，后者由智能体流水线构建后由专家验证。 测试结果显示，最强模型平均得分仅50.6%，每任务需27M tokens与63分钟，凸显了当前智能体在自动工程设计上存在巨大差距。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 12:00
PLE：面向专业物理工程的长时程智能体评测基准报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv · AIPLE：面向专业物理工程的长时程智能体评测基准
研究团队发布 PLE 基准，包含 85 项电气、土木等专业的长时程智能体任务，旨在测试真实工程交付能力。 现有工程基准多饱和且局限于文本问答，PLE 结合专家自创与对抗式共创两条路径构建。 最强模型平均得分仅 50.6%，每任务耗 27M tokens 和 63 分钟，凸显当前智能体在自动工程设计上的巨大差距。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。