OpenAI测试AI处理日常任务的能力 LifeVal评测展现进步[推荐]

OpenAI发布了一套名为Lifeval的新评测，专门测试AI在帮助普通人处理生活琐事方面的能力。这些琐事包括找幼儿园、买菜、办理政府福利以及照顾生病的家人等实际生活中需要一步步解决的问题。

为了确定测试内容，OpenAI参考了各国居民日常生活和时间分配的调查数据，并询问了3995人他们最希望AI帮忙处理哪些事情。因此，Lifeval涵盖了育儿、医疗、购物、理财、教育等多个领域。

根据OpenAI公布的成绩，GPT-5.2的平均得分为49.3%，而GPT-6 Astra则提高到了80.6%。不过，主要的进步集中在早期阶段：GPT-5.4就已经达到了73%，GPT-5.6为80%，最新的Astra版本只比它高出0.6个百分点。官方还展示了一些高分案例，例如，帮一家人找房子时AI拿到了100分，不仅找到了符合预算和通勤要求的房源，还计算了房产交易税，并将相关文件整理好供用户审核。而在搬家后挑选幼儿园的任务中，AI获得了93.1分，筛选出三家候选学校并整理了入学信息。

目前，Lifeval已被用于指导模型改进，但它仍然是一套由OpenAI自己设计和评判的内部测试。