OpenAI 发布 LifeVal：用日常生活任务测 AI

OpenAI 在 11 月 2 日公布了一个叫 LifeVal 的评测，用来衡量模型在日常生活任务上的表现，比如找托育、办政务、做预算、改菜谱、买菜、排健身计划。OpenAI 说过去一年一直在用它跟踪和推动模型改进。

LifeVal 想补的是学术基准的空白：知识题考得再好，不代表 AI 能真把事办完。示例任务大多要求模型动手，比如按预算和通勤条件找房，再把房契加进购物车待用户确认。OpenAI 说这一年重点训练了浏览器操作、电脑操作和连接器任务，ChatGPT 正在从聊天工具往个人代理走。

对做 Agent 的团队，这套「先调查真实需求、再定任务」的思路可以借鉴：评测集贴近用户真正想交出去的事，比刷通用基准更能说明产品价值。

注意：LifeVal 是 OpenAI 的内部评测，目前没有公开完整任务集、评分细则和其他厂商模型的对比，示例分数只代表官方挑选的几个任务。