Primary sourcearXiv cs.AI
View sourceEvent ·Multi-source
CAE-Bench 发布:评估 AI 智能体开发可复用 CAE 求解器的能力
研究者发布 CAE-Bench,一个用于评估 AI 智能体开发计算机辅助工程(CAE)求解器能力的基准。CAE 求解器不只是 PDE 求解器,还需要在不同边界条件、几何形状和材料属性等输入上保持泛化。基准的设计方式是:同一任务(如传热问题)提供多个用例,智能体只能使用少量公开用例开发求解器,然后在从未见过的保留用例上测试。 实验覆盖 12 个模型、80 个计算任务和多种推理设置。结果显示,AI 开发的求解器即使公开用例上表现良好,在保留用例上也可能得 0 分;在流体动力学任务上,连 GPT-6 Astra 开发的求解器在保留用例上也表现很差。基准附带数据格式和任务注册 SDK,研究者可以在自己的基础设施上运行。
Current read
搞 CAE 仿真的工程团队和做智能体评测的研究者应该看看。它专挑求解器泛化能力下手,80 个任务、12 个模型测下来,连 GPT-6 Astra 在流体任务上都翻车,比通用代码基准更能暴露智能体的真实短板。附带了数据格式和 SDK,可以直接接进自己的测试环境。
6 sources31° AI heatLast updated 2026/11/16 15:40:43
Evidence
6 sourcesRelated source 1IT之家
View sourceRelated source 2OpenAI
View sourceRelated source 3HIT Consultant
View sourceRelated source 4Decoder
View sourceRelated source 5歸藏(guizang.ai)
View sourceConflict check
Dedup data only shows that these sources discuss the same event, not that they agree. There is no structured supporting or refuting evidence yet, so no conflict is inferred automatically.