OpenAI 发布 LifeVal 基准，评估 AI 从挑选幼儿园到报税的日常能力
OpenAI 发布 LifeVal 基准，用于衡量 AI 模型帮助人们处理日常事务的能力。测试涵盖照护、健康、教育、个人财务和政府服务等场景；评估重点不仅是列出信息，还包括能否将任务推进到可执行、可交付的状态。OpenAI 表示，该基准参考了时间使用研究，并结合对 3,995 人的调查设计。部分示例得分较高，例如寻找合适幼儿园的得分为 93.1%。不过，LifeVal 目前仍主要是 OpenAI 的内部评估，完整任务集、评分代码和独立复现方式尚未公开，因此其结果仍需谨慎解读。
本文来源：IT之家，仅供学习参考，版权归原作者所有。