🌀 AIBB-Flywheel

新闻数据飞轮
← 返回文章列表
ithome 国际 科技 教育 采集 2026-11-03T04:13:05+00:00

OpenAI 发布 LifeVal 日常任务基准

原始标题:OpenAI 发布 LifeVal 基准:从选幼儿园到报税,测试 AI 的“人间烟火”技能

来源
ithome
发布时间
2026-11-03T01:54:54
采集批次
2026-11-03-04
字数
641
URL 指纹
1f65fb5b758870cb

📌 AI 总结(172 字)

OpenAI 发布 LifeVal 基准,用于衡量人工智能能否真正帮助普通人处理照护、健康、教育、家庭行政、财务、购物和政务等日常事务。该基准参考美国及跨国时间使用调查,并调查近四千人希望助手协助的事项,侧重评估任务能否推进至可执行、可交付状态。公开示例显示模型在部分任务中得分较高,但完整任务集、评分代码和误差范围尚未公开,结果仍需谨慎看待。
📄 正文(641 字)
OpenAI 发布名为 LifeVal 的新基准,旨在衡量 AI 模型能否真正帮助普通人完成日常事务,让通用人工智能更贴近对人类最有用的日常帮助。

在任务设计上,OpenAI 首先参考美国“美国人时间使用调查”和跨国“多国时间使用调查”,随后对 3,995 名具有人口代表性的受访者开展调查,了解他们最希望个人 AI 助手在哪些事务上提供帮助。

据此,LifeVal 覆盖照护、健康、教育、家庭行政、个人财务、购物以及获取政府服务等场景。典型任务包括:搬家后为孩子挑选并报名合适的幼儿园,为患糖尿病的家人制定饮食与照护计划,在预算内采购食材,整理政府表格,以及安排社区防洪志愿者等。

与传统基准不同,LifeVal 更关注任务是否能被推进到“可执行、可交付”的状态。例如,AI 不只是列出幼儿园名单,还要结合地点、预算、通勤和家庭需求进行筛选;处理财务时,也需要兼顾账单、收入和风险。OpenAI 表示,模型可能需要理解聊天记录、浏览网页、整合多方信息,并给出符合个人处境的建议。

OpenAI 称,过去一年已将 LifeVal 用于追踪和推动模型在日常任务上的改进。公开示例显示,部分任务表现较高:为孩子寻找幼儿园的得分为 93.1%,组织防洪志愿者的得分为 98.0%,为糖尿病家长准备膳食计划的得分为 90.4%。

不过,LifeVal 目前仍主要是 OpenAI 的内部评估。外界尚未获得完整任务集、评分代码、误差范围或可独立复现的排行榜,因此其结果仍需谨慎解读。