‏معرفی بنچمارک مهندسی RWE-bench برای مدل‌های هوش مصنوعی

‏استارتاپ Xplore مجموعه‌ای شامل ۲۰ مسئله در حوزه‌های مکانیک، الکترونیک و مهندسی هوافضا با نام RWE-bench ارائه کرده است که توانایی مدل‌های هوش مصنوعی را در طراحی‌های مهندسی واقعی ارزیابی می‌کند. در این آزمون، مدل باید با استفاده از ابزارهایی نظیر CadQuery، Gmsh، CalculiX و پایتون، خروجی‌هایی منطبق با استانداردهای دقیق فنی تولید کند. ارزیابی پاسخ‌ها به‌صورت خودکار و از طریق حل‌کننده‌های فیزیکی انجام می‌شود.

‏در نتایج این بنچمارک، مدل‌های پیشرو به شرح زیر عمل کرده‌اند:
‏* GPT-6 Astra با ۳۷٪ موفقیت، بالاترین امتیاز را کسب کرده است.
‏* Claude Opus 5.5 با ۲۹٪ در جایگاه دوم قرار دارد.
‏* GPT-6.1 Sol با ۲۵٪ موفقیت در رتبه سوم جای گرفته است.
‏* Gemini 4 Argon موفق به حل ۱۲٪ و Claude Fable 5.1 موفق به حل ۷٪ از مسائل شده‌اند.

‏تیم Xplore این مجموعه را برای آموزش مدل‌ها منتشر نمی‌کند و دسترسی به فرآیند ارزیابی تنها از طریق هماهنگی مستقیم امکان‌پذیر است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#RWE_bench #CadQuery