SimuVerity：面向工程级 Simulink 模型生成的智能体基准

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，用于评估智能体是否真正满足工程需求。其分层评估器先检查交付物、可执行性与工程合格性，再从六个维度打分；六个智能体系统的最佳总分仅 42.86。结果显示结构相似性不能代表工程性能，部分高分模型仍存在严重视觉布局混乱。