2D-FET-Bench V2 是一个针对二维材料薄片上场效应晶体管（FET）布局的可执行基准。每个任务提供显微镜提取的薄片轮廓坐标和文本化的器件规格，要求模型生成 Typed Polygon 与 Path 操作并输出 GDSII 文件。验证器在几何上检查多边形是否覆盖接触、电极、栅极等结构，并确保轮廓点未被修改；完整性检查则确认原始轮廓保持不变。128 条任务涵盖普通薄片、带孔薄片以及多薄片组合，所有任务均可通过脚本参考布局完成，证明可解。
我们对六种大模型以及七种 GPT5.6‑Luna 工作流/脚手架组合进行评估，每个任务最多尝试五次。最佳配置为 GPT5.6‑Luna + ReAct‑3，单次成功率（pass@1）为 62.3%，任务覆盖率（至少一次成功）为 80.5%，五次全部成功的一致性为 43.8%。相比一次性 Plan‑and‑Execute，ReAct‑3 在 token 使用上提升 2.46 倍，却在 pass@1 上提高 27.0 分。
对每个覆盖任务随机抽取一个验证通过的布局进行专家审查，五种 ReAct‑3 配置的接受率在 56.4%~63.5% 之间。该基准重点评估几何构造与结构完整性，提供了语言模型在空间推理与微电子设计交叉领域的可量化指标。
点评