OpenAI 推出 LifeVal：衡量日常個人助理任務的基準測試

OpenAI 表示，LifeVal 是一項新的基準測試，根據數千名 ChatGPT 使用者對個人助理最希望在哪些方面獲得協助的回饋打造。任務範圍從尋找托育服務，到使用政府服務和管理個人財務。

OpenAI 表示，這項基準測試以兩項時間使用調查——美國時間使用調查（American Time Use Survey）和多國時間使用研究（Multinational Time Use Study）——為基礎，並加入一項由 OpenAI 自行進行、具人口統計代表性的調查，涵蓋 3,995 名受訪者。由此產生的任務涵蓋照護、健康、教育、家務管理、個人財務、購物和政府服務；其中許多任務需要採取行動，例如預訂或下單，而不只是回答問題。

OpenAI 表示，過去一年來一直使用 LifeVal 追蹤並改進其模型在瀏覽器操作、電腦操作和連接器任務上的表現。OpenAI 公布了 GPT-6 Astra 在個別任務上的最佳紀錄分數，例如，為幼兒預訂感覺統合課程和在預算內訂購清真食品，得分均為 100%；為新確診糖尿病的家長規劃備餐計畫，得分為 90.4%。這些數字是 OpenAI 自行公布的。