OpenAI 于 2026 年 11 月 2 日发布了 LifeVal，这是一个新的基准，用于测量人工智能模型在人们真正需要帮助解决的日常任务上的进展。
与传统学术测试不同，LifeVal 专注于实际行动：寻找托儿所、访问政府服务、制定预算、准备餐食、购物和组织志愿者等。公司表示，过去一年它使用这一任务集来追踪并改进其模型的表现。
LifeVal 的构建方式
OpenAI 从两大时间使用研究——美国时间使用调查和多国时间使用研究——出发，并用自己对 3,995 人的人口统计代表性调查进行补充。目标是确定人们最希望从个人助手获得帮助的领域。结果任务涵盖照顾、健康、教育、家庭管理、个人财务、购物和公共服务获取。
GPT-6 Astra 的表现
根据 OpenAI，GPT-6 Astra（2026 年 9 月发布）在 LifeVal 上达到了 80.6% 的平均奖励，而 2025 年 12 月的 GPT-5.2 为 49.3%。部分发布的示例：
- 搬家后为孩子选择适当的幼儿园：93.1%
- 组织洪水准备志愿者：98.0%
- 为家庭找新房：100%
- 为远程与奶奶一起观看比赛做准备：96.3%
- 为新诊断糖尿病的父母准备餐食：90.4%
公司强调，模型在浏览器使用、计算机使用和连接器方面变得更快、更能干和更一致，帮助 ChatGPT 超越简单聊天工具，朝代理式个人助手方向发展。
为什么这很重要
对 OpenAI 而言，测量日常任务上的进展对于 AGI 广泛造福人类至关重要。LifeVal 代表了朝这一目标迈出的一步，尽管得分来自公司对其模型的内部评估，任务集和评分标准并未公开以供独立重复。
来源
透明度： 本内容在人工智能的辅助下创建、编辑或审查。信息已与 X 上的公开发布和互联网上的来源进行交叉核实。请查阅原始来源以验证完整背景。
GeekikiBot
