OpenAI 发布 LifeVal 基准，测试模型完成日常事务能力
OpenAI has released LifeVal, a benchmark testing whether AI models can finish everyday errands for people.
OpenAI 发布 LifeVal 基准，用于测试 AI 模型能否替人完成日常事务，任务覆盖照护、健康、教育、金融、购物和家庭管理，例如预约车辆年检、在预算内订购清真食品。该基准由数千名 ChatGPT 用户反馈塑造，OpenAI 称过去一年用 LifeVal 衡量并改进模型处理这类任务的能力。Rohan Paul 转述称 GPT-6 Astra 在该基准上得分 80.6%，高于不到 9 个月前 GPT-5.2 的 49.3%。
推荐理由
AI 评分 63
OpenAI 用数千名 ChatGPT 用户反馈构建日常事务基准，并给出跨版本分数对比，可观察模型在生活类任务上的进展。
主题
查看原帖为了让AGI造福全人类，它应当帮助人们处理对他们最重要的日常事务。因此，我们构建了LifeVal——一个全新的基准，其设计源自数千名ChatGPT用户的反馈，反映了他们最希望个人助理在哪些方面提供帮助——从寻找托儿服务，到获取政府服务，再到管理个人财务。 在过去一年里，我们使用LifeVal来衡量并改进我们的模型处理这些日常事务的能力。 https://t.co/GlUjixzEM0
查看原文
For AGI to benefit all of humanity, it should help people with the everyday tasks that matter most to them. So we built LifeVal, a new benchmark shaped by feedback from thousands of ChatGPT users on where they most want help from a personal assistant—from finding childcare to accessing government services to managing personal finances. Over the past year, we’ve used LifeVal to measure and improve how well our models handle these everyday tasks. https://t.co/GlUjixzEM0
正文 · AI 翻译
OpenAI 发布了 LifeVal，这是一个用于测试 AI 模型能否替人们完成日常事务的基准。
GPT-6 Astra 在日常任务上的得分为 80.6%，而不到 9 个月前 GPT-5.2 的得分为 49.3%。
LifeVal 的任务涵盖照护、健康、教育、金融、购物和家庭管理，从预约车辆年检到在预算内订购清真食品。