OpenAI发布LifeVal日常任务基准并公布模型得分

OpenAI 于 11 月 2 日发布新基准 LifeVal，用来衡量 AI 模型能否真正帮普通人完成日常事务，覆盖照护、健康、教育、家庭行政、个人财务、购物和政府服务等场景。公开示例中，为孩子找幼儿园得分 93.1%，组织防洪志愿者 98.0%，为糖尿病家长准备膳食计划 90.4%。该基准目前仍主要是 OpenAI 的内部评估，外界尚未获得完整任务集、评分代码或可独立复现的排行榜。

OpenAI 发布了 LifeVal，一个测试 AI 模型能否替人们完成日常事务的基准。 GPT-6 Astra 在日常任务上得分 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、购物和家庭行政事务，从预约车辆年检到在预算内订购清真食品杂货。

要让 AGI 惠及全人类，它应当帮助人们完成对他们最重要的日常事务。因此我们构建了 LifeVal，这是一个新基准，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提供帮助的领域——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，我们一直用 LifeVal 来衡量并改进我们的模型处理这些日常任务的能力。 https://openai.com/index/lifeval/

OpenAI 构建了 LifeVal 评测，覆盖照护、健康、教育、家庭事务、个人理财、购物和政府服务等日常任务，用于追踪模型过去一年在日常任务上的表现。该评测基于美国时间使用调查等两项大型研究，并新增 3995 名受访者的代表性调查来确定用户最需要帮助的领域。OpenAI 称最新模型在多项 LifeVal 任务上得分很高，GPT‑6 Astra 在部分任务上达到 100%。