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

Google 与 Mercor 发布 Physical-Engineering's Last Exam（PLE），用 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，并指出工程约束相互耦合、多版本文件状态不一致是长流程 Agent 的主要难点。

还没有足够的连续观测数据，暂不绘制趋势。