等变图神经网络力场（Equivariant Graph Neural Network Force Fields, EGraFFs）在通过利用图的固有对称性建模原子系统中的复杂相互作用方面展现出巨大潜力。近期的研究推动了新型架构的快速发展，这些架构结合了基于等变性的归纳偏置以及诸如图变换器和消息传递等架构创新来建模原子相互作用。然而，对于这些EGraFFs在实际原子模拟下游任务中的应用进行全面评估尚显不足。为此，我们对6种EGraFF算法（NequIP、Allegro、BOTNet、MACE、Equiformer、TorchMDNet）进行了系统的基准测试，旨在了解它们在真实原子模拟中的能力和局限性。除了基于现有基准测试文献对八个现有数据集进行详尽的评估和分析外，我们还发布了两个新的基准数据集，提出了四个新指标和三个具有挑战性的任务。新的数据集和任务评估了EGraFF在不同晶体结构、温度和新分子的分布外数据上的性能。有趣的是，基于动态模拟的EGraFF模型评估显示，能量或力误差较低并不一定能保证稳定的或可靠的模拟结果，也不能忠实复制原子结构。此外，我们发现没有一种模型在所有数据集和任务上明显优于其他模型。尤为重要的是，我们在分布外数据集上的模型性能评估表明其结果不可靠，这指出了开发可用于实际模拟的基础力场模型的必要性。总之，本研究建立了一个严格的框架来评估机器学习力场在原子模拟中的应用，并指出了该领域内尚未解决的研究挑战。