Article · Original
IT之家 11 月 3 日消息，OpenAI 于 11 月 2 日发布名为 LifeVal 的新基准，用来衡量 AI 模型能否真正帮助普通人完成日常事务，该公司称这一评估旨在让通用 AI 更贴近“对人类最有用的日常帮助”。
在 LifeVal 的任务设计上，OpenAI 首先参考了美国的“美国人时间使用调查”和跨国“多国时间使用调查”，随后又对 3,995 名具有人口代表性受访者开展调查，询问他们最希望个人 AI 助手在哪些事务上提供帮助。
据此，LifeVal 覆盖照护、健康、教育、家庭行政、个人财务、购物以及获取政府服务等场景。典型任务包括：搬家后为孩子挑选并报名合适的幼儿园、为患糖尿病的家人制定饮食与照护计划、在预算内采购食材、整理政府表格、安排社区防洪志愿者等。
与传统基准不同，LifeVal 更关注任务是否能被推进到“可执行、可交付”的状态。例如，AI 不只是列出幼儿园名单，而要结合地点、预算、通勤和家庭需求筛选；处理财务时，也要兼顾账单、收入和风险。OpenAI 表示，模型可能需要理解聊天记录、浏览网页、整合多方信息，并给出符合个人处境的建议。
OpenAI 称，过去一年已将 LifeVal 用于追踪和推动模型在日常任务上的改进。公开示例显示，部分任务表现较高：为孩子找幼儿园得分 93.1%，组织防洪志愿者为 98.0%，为糖尿病家长准备膳食计划为 90.4%。IT之家附上相关截图如下：
不过，LifeVal 目前仍主要是 OpenAI 的内部评估。外界尚未获得完整任务集、评分代码、误差范围或可独立复现的排行榜，因此其结果仍需谨慎解读。