发表机构
The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
研究针对无电池物联网中振动能量采集器设计，引入VEHBench基准测试，评估大语言模型在耦合物理设计不同阶段的表现，通过763个任务及四个设计角色测试，发现模型能力依赖阶段，为评估、选择等工程大语言模型提供阶段感知基础。
AI 中文摘要
无电池物联网需要在耦合物理约束下对振动能量采集器进行迭代设计，而大语言模型正成为工程工作流程的接口层。然而，现有的工程基准测试主要评估最终工件的有效性，对于大语言模型在耦合物理设计的不同阶段的表现提供的见解有限。我们引入了VEHBench，这是一个用于大语言模型辅助振动能量采集器设计的工程原生诊断基准测试，具有763个基于文献的任务，并由一个分析物理预言机评分。VEHBench评估四个设计角色：规范分类、验证器引导搜索、损坏状态恢复和策略条件选择。实验结果表明，大语言模型的能力强烈依赖于阶段：没有一个单一模型能在整个工作流程中始终占据主导地位，并且响应控制配置文件揭示了不同设计角色之间不同的行为模式。因此，VEHBench为评估、选择、路由和改进基于验证器的工程大语言模型提供了一个阶段感知基础。基准工件可在这个https URL上获取。
英文摘要
Battery-free Internet of Things (IoT) requires iterative design of vibration energy harvesters (VEHs) under coupled physical constraints, while LLMs are emerging as interface layers for engineering workflows. However, existing engineering benchmarks primarily assess final artifact validity, offering limited insights into how LLMs behave across different stages of coupled physical design. We introduce VEHBench, an engineering-native diagnostic benchmark for LLM-assisted VEH design, featuring 763 literature-grounded tasks scored by an analytical physical oracle. VEHBench evaluates four design roles: specification triage, verifier-guided search, corrupted-state recovery, and policy-conditioned selection. Experimental results reveal that LLM capability is strongly stage-dependent: no single model consistently dominates the entire workflow, and response-control profiles expose distinct behavioral patterns across design roles. VEHBench thus provides a stage-aware foundation for evaluating, selecting, routing, and improving verifier-grounded engineering LLMs. The benchmark artifact is available at https://huggingface.co/datasets/AnonymousVehbench/vehbench
