PulseAugur
中
实时 09:15:18
实体 Physical-Engineering's Last Exam

Physical-Engineering's Last Exam

PulseAugur coverage of Physical-Engineering's Last Exam — every cluster mentioning Physical-Engineering's Last Exam across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_342688 ·

    谷歌的PLE基准暴露了AI工程代理的局限性

    谷歌和Mercor开发的一个名为Physical-Engineering's Last Exam (PLE)的新基准显示，目前的AI代理在复杂的工程任务中挣扎，只有41.3%的设计满足所有安全和可行性要求。虽然代理可以满足大多数单独的约束条件，但在多个要求相互作用或在大量文档和修订中需要长期状态一致性时，它们就会失败。该研究强调了对能够管理设计状态、理解相互依赖关系并执行稳健验证的AI系统的需求，并表明未来的工程代理将需要复杂的验证机…