Xplore发布RWE-bench工程任务基准
热点事件持续更新
Xplore发布RWE-bench工程任务基准
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Xplore 发布 RWE-bench 工程任务基准，包含 20 个由在职工程师编写的机械、电气和航空航天任务。评分不涉及模型：程序逐项核对设计是否满足每项需求，并在需要时运行物理求解器。 在已公布成绩中，GPT-6 Astra 以 37% 领先，Opus 5.5 约 29%，GPT-6.1 Sol 约 25%，每次运行成本 10 美元。Astra 和 Opus 每次运行成本约为前者的六倍，得分分别高出 12 分和 4 分。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 08:01
Xplore 发布 RWE-bench：GPT-6 Astra 通过 37% 真实工程任务报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- Reddit · AI 大众社区精选Xplore 发布 RWE-bench：GPT-6 Astra 通过 37% 真实工程任务
Xplore 发布 RWE-bench，包含 20 个由在职工程师编写的机械、电气和航空航天任务，由程序逐项核对需求并运行物理求解器判分，没有模型参与评分。GPT-6 Astra 以 37% 领先，Opus 5.5 约 29%，GPT-6.1 Sol 约 25%，每次运行成本 10 美元；Astra 和 Opus 每次运行成本约为前者的六倍，得分分别高出 12 分和 4 分。
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。