engineering tasks

AI模型在新的RWE-bench上处理真实工程任务

一项名为RWE-bench的新基准测试已发布，旨在测试AI在真实工程任务中的能力。该基准包含机械、电气和航空航天工程的20项任务，结果将根据具体要求和物理模拟自动评分。GPT-6 Astra目前在该基准测试中领先，完成了37%的任务，其次是Opus 5.5（29%）和GPT-6.1 Sol（25%）。虽然这些分数可能看起来很低，但它们远远超过了人类在类似任务上的表现，特别是对于非专业工程领域的人员而言。