PolyBridgeBench 是一个可执行的桥梁设计基准，专门评估多模态大语言模型（MLLM）在生成可承载负荷的结构时的整体能力。模型首先接收一幅桥梁现场图像以及结构约束（如跨度、材料预算），随后输出节点‑构件‑材料的完整拓扑描述。系统会先进行确定性合法性检查，确保拓扑满足几何和材料规则；合法的方案随后进入原生动力学物理模拟进行动态功能验证。若模拟出现失效，基准会返回失效过程的时间序列视觉证据，并在固定的交互预算内要求模型对设计进行修复。通过分别测量确定性合法性、动态功能成功率以及失效后恢复能力，能够定位设计失败的具体阶段。实验在 189 个关卡上对六种代表性 MLLM 进行评估，结果显示模型在确定性合法性与动态成功之间存在显著差距，材料预算对成功率影响尤为敏感，而在严格预算条件下的失效后恢复能力普遍有限。
点评