OpenAI发布全新基准LifeVal：聚焦AI在真实日常任务中的实用能力

SmartHey11月3日消息，OpenAI于11月2日推出名为LifeVal的全新评估基准，旨在衡量大语言模型能否切实协助普通人完成高价值、高复杂度的日常事务。该公司强调，这一基准的核心目标是推动通用人工智能向‘对人类真正有用的日常帮助’持续演进。

在构建LifeVal时，OpenAI首先系统梳理了美国《时间使用调查》（ATUS）及联合国支持的《多国时间使用调查》（MTUS）数据，继而面向3,995名具备人口统计学代表性的受访者展开专项调研，深入采集公众最期待AI助手介入的实际生活场景。

据此，LifeVal覆盖七大高频现实领域：家庭照护、健康管理、基础教育支持、家庭行政事务、个人财务管理、日常购物决策，以及政府公共服务获取。典型任务示例包括：为学龄前儿童跨区域筛选并完成幼儿园线上报名；为糖尿病患者家庭定制兼顾营养指标、用药节奏与家庭照护能力的周食谱与监测计划；在限定预算下比价采购全周食材并生成购物清单；准确填写并提交地方住房补贴申请表；协调社区防洪志愿者排班与物资调度等。

区别于传统以问答准确率或推理速度为主的评测体系，LifeVal更强调“任务闭环”——即AI输出是否达到可执行、可交付、可落地的状态。例如，在幼儿园推荐任务中，模型不能仅返回机构名称列表，而需综合通勤距离、托育资质、费用区间、特殊需求适配度及报名截止时间等维度完成排序与行动建议；在财务规划中，则需同步分析收入流水、账单周期、保险覆盖与突发风险缓冲能力，提出分步操作方案。OpenAI指出，达成此类能力往往需要模型具备多轮对话理解、网页信息实时抓取、跨源信息融合及个性化情境建模等复合技能。

OpenAI透露，过去一年已将LifeVal深度嵌入内部模型迭代流程，用以定向优化日常任务表现。公开测试数据显示：儿童幼儿园匹配与报名辅助任务得分为93.1%，社区防洪志愿者组织任务达98.0%，糖尿病家庭膳食照护计划生成任务为90.4%。

需注意的是，目前LifeVal仍主要作为OpenAI内部研发工具使用。完整任务集、标准化评分代码、置信区间说明及开放复现排行榜尚未对外发布，因此相关性能结果暂不具备第三方独立验证条件，应审慎看待其普适性与外推价值。