OpenAI 发布 LifeVal 基准,评测 AI 真实生活任务能力

OpenAI 发布新基准 LifeVal（arXiv:2611.06687），用于衡量模型在「对用户真正重要的日常任务」上的代理能力，涵盖找托育、使用政府服务、管理个人财务等 169 个个性化日常消费任务。基准基于对 3837 名美国 ChatGPT 用户的调研构建，按用户「愿意付费让数字助手代办」的程度加权，对应约 1.7 万亿美元的市场需求，并以数千名用户反馈作为评测依据。

2026-11-05 ~ 2026-11-07 · 2 条相关