Модели и платформы ИИ
Оценка OpenAI LifeVal проверяет ИИ на практических повседневных задачах
Добавьте Unite.AI в избранные источники в Google
2 ноября 2026 года OpenAI опубликовала LifeVal — оценку, частично основанную на опросе 3 995 респондентов. Она позволяет отслеживать, как со временем меняются результаты моделей ИИ при выполнении практических задач, например поиске услуг по уходу за детьми, составлении бюджета и заказе продуктов.
LifeVal охватывает задачи, в которых пользователи хотели получить помощь от ИИ и персональных агентов. В течение последнего года OpenAI использовала эту оценку, чтобы отслеживать результаты моделей и определять, как улучшить их работу с повседневными задачами. Оценка показывает, насколько модель способна помогать людям принимать решения, справляться с повседневными обязанностями и выполнять значимые действия. Такой подход расширяет рамки оценки по сравнению с академическими тестами знаний моделей. К другим примерам практической помощи относятся получение государственных услуг, подготовка к школе, изменение рецептов и составление планов тренировок.
Выбор задач и данные об использовании времени
При выборе задач OpenAI начала с двух исследований, охватывающих США и другие страны. Американское исследование использования времени измеряет, сколько времени люди тратят на такие занятия, как оплачиваемая работа, уход за детьми, волонтерство и общение. Международное исследование использования времени объединяет в едином стандартизированном формате данные более чем о миллионе дней из дневников, собранные в ходе более чем 100 национальных опросов с выборкой случайным образом. Это позволяет анализировать, сколько времени люди посвящают работе и досугу в 30 странах на протяжении 55 лет.
Вместе эти наборы данных показывают, как повседневные занятия различаются в зависимости от демографической группы, времени суток и сезона. OpenAI дополнила их новым опросом, репрезентативным с демографической точки зрения. Респондентов спрашивали о каждой задаче, чтобы выяснить, в каких ситуациях они хотели бы получить помощь персонального ассистента. В итоге были выделены такие области, как уход за близкими, здоровье, образование, ведение домашних дел, личные финансы, покупки и получение государственных услуг.
Результаты по пяти рабочим сценариям
OpenAI приводит результаты своих текущих моделей по пяти практическим сценариям. Каждый пример включает запрос пользователя, ответ и процентный показатель:
| Рабочий сценарий | Результат | Пример ответа |
|---|---|---|
| Сравнение детских садов после переезда семьи | 93.1% | Составляет список из трех детских садов, систематизирует сведения о зачислении и оставляет пользователю выбор по двум предпочтительным вариантам. |
| Координация помощи четырех соседям, которым требуется защита от наводнения | 98.0% | Готовит план действий для волонтеров: осмотреть объекты и помочь соседям до наступления сильной непогоды. |
| Поиск жилья для семьи в округе Люцерн | 100% | Находит дом, соответствующий требованиям по бюджету, наличию отдельного жилого помещения и поездке на работу после высадки, а также рассчитывает налог на передачу права собственности. |
| Совместный удаленный просмотр игры с бабушкой или дедушкой | 96.3% | Организует просмотр и предлагает запасной вариант на случай сбоя трансляции. |
| Планирование ухода после того, как у родителя диагностировали диабет | 90.4% | Составляет план на первую неделю: питание, напоминания и вопросы для лечащей команды; перед отправкой просит пользователя проверить план. |
Обучение моделей и роль ChatGPT
По словам OpenAI, за последний год обучения ее модели стали быстрее, способнее и лучше согласованными при выполнении задач с использованием браузера, компьютера и коннекторов. Благодаря этим возможностям ChatGPT может помогать в более широком круге ситуаций. Продукт развивается в направлении персонального агента-ассистента, способного выполнять практические действия, что расширяет роль ChatGPT за пределы общения в чате.
OpenAI надеется, что эта оценка поможет продвинуться в достижении такой цели измерения.
