OpenAI 发布 LifeVal 基准：从选幼儿园到报税，测试 AI 的人间烟火技能
要点
OpenAI 于 11 月 2 日发布名为 LifeVal 的新基准，用于衡量人工智能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人工智能更贴近"对人类最有用的日常帮助"。 在任务设计上，LifeVal 参考了美国的"美国人时间使用调查"（ATUS）和跨国"…
OpenAI 于 11 月 2 日发布名为 LifeVal 的新基准，用于衡量人工智能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人工智能更贴近”对人类最有用的日常帮助”。
在任务设计上，LifeVal 参考了美国的”美国人时间使用调查”（ATUS）和跨国”多国时间使用调查”（MTUS），并对 3995 名具有人口代表性的受访者开展调查，了解他们最希望个人 AI 助手在哪些事务上提供帮助。
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、通勤和家庭需求进行筛选；处理财务时，也要兼顾账单、收入和风险。模型需要理解聊天记录、浏览网页、整合多方信息，并给出符合个人处境的建议。
OpenAI 表示，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%。
目前，LifeVal 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。
