OpenAI 推出 LifeVal：评测日常个人助理任务的基准

OpenAI 表示，LifeVal 是一项新基准，其设计参考了数千名 ChatGPT 用户的反馈，了解他们最希望个人助理在哪些方面提供帮助。任务范围从寻找儿童托管服务，到使用政府服务和管理个人财务。

OpenAI 表示，LifeVal 以两项时间利用率研究为基础：美国时间利用调查（American Time Use Survey）和多国时间利用研究（Multinational Time Use Study），并加入了对 3,995 名受访者开展的自有调查，受访者在人口统计特征上具有代表性。最终任务涵盖照护、健康、教育、家庭事务管理、个人财务、购物和政府服务；其中许多任务要求实际采取行动，例如预约或下单，而不只是回答问题。

OpenAI 表示，过去一年里，它一直使用 LifeVal 跟踪并改进模型在浏览器使用、电脑使用和连接器任务方面的表现。OpenAI 报告称，GPT-6 Astra 在单项任务中的最佳记录成绩包括：为幼儿预约感统课程、在预算内订购清真杂货，两项均为 100%；为一位新确诊糖尿病的家长制定备餐计划，则为 90.4%。这些数据均为 OpenAI 自行公布。