OpenAI发布LifeVal日常任务基准

OpenAI 发布 LifeVal 基准，用于测试 AI 模型能否替人完成日常事务。该基准依据数千名 ChatGPT 用户反馈构建，任务覆盖育儿、健康、教育、金融、购物和家庭事务，例如预约车辆年检、在预算内订购清真食品。Rohan Paul 称 GPT-6 Astra 在该基准上得分 80.6%，而不到 9 个月前 GPT-5.2 为 49.3%。

OpenAI 推出 LifeVal 基准，用于衡量模型在用户最希望获得帮助的日常事务上的表现，涵盖寻找托育、获取政府服务、管理个人财务等场景。该基准依据数千名 ChatGPT 用户的反馈构建，OpenAI 表示过去一年已用 LifeVal 衡量并改进模型处理这些任务的能力。

OpenAI 推出 LifeVal 基准，用于衡量 AI 帮助人们完成日常任务的能力，涵盖寻找托育、管理财务和处理政府文书等场景。该基准聚焦 AI 在真实生活事务中的实际帮助效果。