PHMForge：面向工业资产全生命周期维护的场景驱动型智能体基准

针对现有基准无法反映工业领域严苛需求的问题，本文提出 PHMForge，首个专为评估大语言模型智能体在故障预测与健康管理（PHM）任务表现的基准。该基准涵盖 75 个专家策划场景及 65 种专用工具，通过真实交互测试智能体的工具编排能力。实验表明，即便顶尖模型在工具序列化和跨设备泛化上仍存在显著缺陷，任务完成率仅 68%。本研究开源了完整基准以推动工业 AI 发展。