每天听简报，了解最新科技、AI、软件资讯
衡量大模型日常办事能力的全新基准 LifeVal 正式推出，专门评测个人助手在托儿照护、公共政务与个人财务等高频生活任务中的执行表现。 这是 OpenAI 收集数千名 ChatGPT 真实用户的求助痛点后提炼的评测集。在过去一年中，团队通过这套测试持续检验并提升模型处理琐碎现实需求的能力。 对正在开发个人助理与智能体产品的团队来说，学术测试集的高分往往难以转化为日常体验。在真实生活场景中，模型能否理顺办事流程、给出行之有效的方案，才是决定助手留存的核心标准。
进度保存在本设备 · 登录同步