AI评测转向现实任务执行,OpenAI推出LifeVal衡量个人助理能力

近日,OpenAI发布LifeVal基准测试,用于衡量AI在照护、健康、教育、家庭管理、个人财务及政府服务等日常生活场景中的表现。与侧重知识问答和单项能力的传统评测不同,LifeVal重点关注AI能否将任务推进至可执行、可交付的状态,评估其解决实际问题的能力。

近日,OpenAI发布LifeVal基准测试,用于衡量AI在照护、健康、教育、家庭管理、个人财务及政府服务等日常生活场景中的表现。与侧重知识问答和单项能力的传统评测不同,LifeVal重点关注AI能否将任务推进至可执行、可交付的状态,评估其解决实际问题的能力。

该基准参考美国时间使用调查(American Time Use Survey),并基于3995名受访者的调研构建。过去一年,OpenAI持续利用LifeVal追踪模型能力改进。公开测试案例显示,AI为孩子筛选幼儿园的任务得分达到93.1%,组织防洪志愿者得分为98.0%,为糖尿病患者制定膳食计划得分为90.4%。

OpenAI同时强调,LifeVal目前主要作为内部评估工具使用,尚未向外界完整开放任务集和评分代码,因此相关测试结果仍需谨慎解读。

此次推出LifeVal,反映出OpenAI正在将模型评估重点从信息理解和内容生成,进一步延伸至复杂现实任务的规划与执行,推动AI从对话工具向具备实际行动能力的个人助理演进。

💬 评论
🔗 本文链接

以专业为基,引领科技向善向新

Rooted in professionalism, we lead technology toward social good and innovation.

数智化转型网 · 了解更多产业资讯与选型数据 →

📰 你可能也喜欢

数智化转型网每日AI资讯 AI情报站

满分学霸被疑 AI 作弊后离世,韩国考场紧急封杀智能眼镜

近日,韩国 LEET 法学研究生入学考试满分考生李振宇(32 岁)在首尔一家汽车旅馆内被发现心脏骤停,经确认身亡,此前他深陷 AI 作弊质疑。事发前,这位一度被…
📅 11-20 · 👁 2026年11月20日
数智化转型网每日AI资讯 AI情报站

特斯拉机器人瞄准家庭场景,马斯克称明年有望收拾脏盘子、倒垃圾

特斯拉CEO埃隆·马斯克表示,人形机器人Optimus研发已取得较好进展,预计将在未来1至2个月内发布真实演示视频,并有望在未来12至18个月内具备收拾脏盘子、…
📅 11-20 · 👁 2026年11月20日
数智化转型网每日AI资讯 AI情报站

“同样任务更便宜更好”:微软公开叫板 Claude 和 ChatGPT

据彭博社报道,微软商业业务 CEO 阿尔索夫周二在 Ignite 大会上放话:“Claude 或 ChatGPT 能完成的任何任务,Copilot 都能做得更好…
📅 11-20 · 👁 2026年11月20日
数智化转型网每日AI资讯 AI情报站

熬了十多年的算力转型,联想单季营收首破 2000 亿、净利狂飙 166%

联想集团今日公布 2026/27 财年第二季度业绩:单季营收首次冲破 2000 亿元人民币,同比增长近 50%;调整后净利润超过 90 亿元、同比暴涨 166%…
📅 11-20 · 👁 2026年11月20日
数智化转型网每日AI资讯 AI情报站

从快手本地生活到可灵AI,刘逍近期被曝离开快手

据报道,快手前本地生活负责人、可灵AI商业产品负责人刘逍近期已从快手离职,离职前职级为E15。截至发稿,可灵AI官方尚未对此作出回应。另据知情人士向新浪科技透露…
📅 11-20 · 👁 2026年11月20日
数智化转型网每日AI资讯 AI情报站

火山引擎上线豆包实时音视频通话模型 SeedRealtime 1.0 API

实时多模态交互正在向更自然、更流畅的方向迈进。火山引擎近日正式上线了豆包实时音视频通话模型 SeedRealtime1.0的 API 服务,为开发者和相关应用提…
📅 11-20 · 👁 2026年11月20日