OpenAI发布LifeVal基准测试，评估AI日常任务执行能力

OpenAI近日发布LifeVal基准测试，评估AI在照护、健康、教育、家庭管理、个人财务及政府服务等日常场景中的表现。与侧重知识问答的评测不同，LifeVal重点衡量AI能否将任务推进至可执行、可交付的状态。该基准参考美国时间使用调查，并基于3995名受访者的调研构建。OpenAI过去一年持续用其追踪模型能力改进。公开案例中，筛选幼儿园、组织防洪志愿者及制定糖尿病患者膳食计划的任务得分分别为93.1%、98.0%和90.4%。目前，LifeVal主要用于内部评估，完整任务集和评分代码尚未公开。