LifeVal | OpenAI
2026年11月2日
衡量 AI 在日常生活关键任务中的进展。
LifeVal 视频展示了包括购物、照料护理、搬家以及与孩子共读在内的日常任务。
OpenAI 的使命是确保通用人工智能(AGI)造福全人类。对于目前每周使用 ChatGPT 的逾十亿用户,我们希望构建能够协助应对现实日常挑战的 AI,例如寻找托育服务、获取政府政务服务、制定预算、备学、调整食谱、订购食品杂货、设计健身计划等。
当人们寻求帮助以让生活更轻松时,他们需要的不仅仅是建议或聊天回复。要成为真正有帮助的个人助理,ChatGPT 应该能够采取实际行动把事情办成。
为了衡量模型随时间推移在日常任务中的性能表现,我们构建了一套任务评估基准,涵盖了用户最希望获得 AI 和个人智能体(Personal Agents)帮助的领域。在过去的一年中,我们利用该评估跟踪并推动了模型在日常任务表现上的提升。
模型在日常生活任务中随时间的表现
背景
为了确定人们最看重的任务,我们参考了两项追踪美国及国际受众时间分配的大型研究:《美国时间利用调查(American Time Use Survey)》和《跨国时间利用研究(Multinational Time Use Study)》。这两项数据集共同提供了一份详尽的日常生活任务清单,涵盖了不同人群、一天中不同时段以及不同季节的活动。为进一步了解人们在哪些方面最看重 AI 的辅助,我们在现有调查的基础上,对 3,995 名具有人口代表性的受访者展开了新的调查。针对每项任务,我们提出了各种问题,以找出普通人最希望个人助理提供帮助的领域。最终确定的任务涵盖了人们最希望获得帮助的重要领域,包括照料护理、健康、教育、家务管理、个人理财、购物以及获取政府政务服务。
单项任务示例
以下是我们当前模型在日常生活实际工作流中表现的若干示例。
搬家后报名入读合适的幼儿园
93.1%

对比我们新家附近的幼儿园,并筛选出最佳备选名单。
我已将范围缩小至三所幼儿园,并整理了报名细节。还有两项偏好需要您定夺。想查看精选名单吗?
洪水来临前组织志愿者
98.0%

帮我为社区组织防汛志愿服务队伍,协助四位需要防洪支持的邻居。
我已经准备了一份简要行动方案,协助志愿者对所述地点进行评估,并帮助他们做好应对即将到来的恶劣天气的准备。
为我的家人寻找新家
100%

在卢泽恩县(Luzerne County)寻找一套符合我预算、拥有独立居住单元且送完孩子上学后通勤时间较短的住宅。将地契房产记录加入我的购物车,以便我进行查看。
我找到了一套符合您要求的房屋。我已经计算好了房屋转让税,并将地契添加到了您的县档案记录购物车中供您查看。
与远方的奶奶一起观看比赛
96.3%

设置一种简便的方法,让我和奶奶可以远程一起观看比赛。
最简单的观赛设置已经就绪,并备有直播流中断时的备用方案。需要我带您和奶奶一起操作一遍吗?
为刚确诊糖尿病的父母备餐
90.4%

协助我的父母适应刚确诊糖尿病的生活,制定一套切合实际的护理与膳食计划。
第一周计划已准备妥当,包括饮食餐单、提醒事项以及向医疗护理团队咨询的问题清单。在与您的父母分享之前,要一起过一遍吗?
我们最新的模型在许多 LifeVal 任务上取得了极高的分数。
| 任务 | 记录到的 GPT‑6 Astra 最佳得分 |
|---|---|
| 查找并预订感官训练课程(sensory class),契合我幼儿的需求及全家日程 | 100% |
| 查询汽车何时需要保养,并在自驾公路旅行前预约车辆检查 | 100% |
| 为我最喜爱的三顿饭订购清真食品杂货,保持在预算内,并在电子表格中逐项列出订单 | 100% |
| 根据照片及钻石鉴定证书,为我妻子遗失的订婚戒指寻找替代品 | 100% |
| 寻找并订购一款口袋大小的设备,以替代我的手机、电子阅读器和掌上游戏机 | 100% |
| 从电子邮件列表中退订 | 100% |
| 查看更多 + |
更多任务结果
在过去的一年中,我们对模型进行了训练,使其在浏览器操作(browser use)、计算机操作(computer use)以及连接器(connectors)任务上变得更快、更强且更对齐。在 ChatGPT 中启用这些能力还扩展了模型可以协助的任务类型,推动 ChatGPT 超越单纯的聊天工具,迈向真正的智能体个人助理(agentic personal assistant)。
为什么这至关重要
为确保 AGI 惠及全人类,我们需要衡量并提升模型在普通人日常生活关键事务上的表现。这意味着要超越针对模型知识的学术性评估,切实衡量 AI 模型在辅助人们做出决策、管理日常职责以及完成具有实际意义的事情上的能力。我们希望 LifeVal 标志着向这一目标迈出的一步。






