OpenAI 发布 LifeVal 基准测试 评估 AI 日常任务执行能力

OpenAI 发布 LifeVal 基准测试，衡量 AI 在照护、健康、教育等各类日常场景中的表现。该基准参考美国时间使用调查，基于近四千名受访者的调研构建，关注任务能否推进至可执行、可交付状态，过去一年已被 OpenAI 用于追踪模型改进，部分公开示例任务得分表现优异。目前 LifeVal 主要为 OpenAI 内部评估工具，外界尚未获取完整任务集与评分代码，OpenAI 希望借此推动 AI 向具备行动能力的个人助理演进。