SimuVerity：面向工程级 Simulink 模型生成的智能体基准测试

SimuVerity 是一个包含 101 个文本到可执行 Simulink 模型生成任务的基准，覆盖十个工程领域，采用分层评估器先检查产物交付、原生可执行性与工程合格性，再从准确度、输出质量、机制保真度、控制与因果完整性、工况鲁棒性和动态响应六个维度打分。六个智能体系统参与评测，最佳系统总分仅 42.86，表明结构相似度无法代表工程性能，部分高分模型仍存在严重的视觉布局混乱。