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…