谷歌研究：工程 Agent 单项约束满足率 91%，但仅 41.3% 设计项通过全部硬性要求

Google 与 Mercor 发布 Physical-Engineering's Last Exam（PLE），以 85 项机械、电气、土木与结构工程任务评测工程 Agent。在 56 项隐藏测试中，Claude Opus 5.5 搭配 Claude Code 得分 48.3%；在共同创作任务中平均满足 91% 的单项约束，但只有 41.3% 的交付设计项满足全部硬性安全与可行性要求。研究采用硬约束门控评分，违反任一硬约束即无法获得成本优化分数，并指出剩余差距集中在约束耦合与多轮修改后的状态一致性。