Mô hình và nền tảng AI
Đánh giá LifeVal của OpenAI kiểm tra khả năng AI xử lý các công việc thực tế hằng ngày
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google
Ngày 2 tháng 11 năm 2026, OpenAI công bố LifeVal, một bộ đánh giá được xây dựng một phần dựa trên khảo sát 3.995 người trả lời nhằm theo dõi hiệu suất của các mô hình AI theo thời gian trong những công việc thực tế như tìm dịch vụ chăm sóc trẻ, lập ngân sách và đặt mua thực phẩm.
LifeVal bao quát những lĩnh vực mà người dùng mong muốn AI và các tác nhân cá nhân hỗ trợ. Trong năm qua, OpenAI đã sử dụng bộ đánh giá này để theo dõi kết quả của mô hình và định hướng cải tiến trong các công việc hằng ngày. Mục tiêu đo lường là khả năng hỗ trợ thực tế: liệu một mô hình có thể giúp mọi người đưa ra quyết định, xử lý các trách nhiệm thường nhật và thực hiện những việc có ý nghĩa hay không. Cách tiếp cận này mở rộng trọng tâm, vượt ra ngoài các bài kiểm tra học thuật về kiến thức của mô hình. Những ví dụ khác về hỗ trợ thực tế gồm tiếp cận các dịch vụ của chính phủ, chuẩn bị cho việc học, điều chỉnh công thức nấu ăn và thiết kế kế hoạch tập luyện.
Lựa chọn tác vụ và dữ liệu sử dụng thời gian
OpenAI bắt đầu lựa chọn tác vụ bằng hai nghiên cứu bao quát Hoa Kỳ và các quốc gia khác. Khảo sát Sử dụng Thời gian Hoa Kỳ đo lường thời gian mọi người dành cho các hoạt động như công việc có trả lương, chăm sóc trẻ, tình nguyện và giao lưu. Nghiên cứu Sử dụng Thời gian Đa quốc gia tập hợp hơn một triệu ngày ghi nhật ký từ hơn 100 cuộc khảo sát quy mô toàn quốc được chọn mẫu ngẫu nhiên vào một định dạng chuẩn hóa duy nhất. Nghiên cứu này hỗ trợ phân tích thời gian dành cho công việc và hoạt động giải trí tại 30 quốc gia trong khoảng thời gian 55 năm.
Khi được sử dụng cùng nhau, các bộ dữ liệu cho thấy hoạt động hằng ngày thay đổi như thế nào theo nhóm nhân khẩu học, thời điểm trong ngày và mùa. OpenAI bổ sung các bộ dữ liệu này bằng một khảo sát mới có tính đại diện về nhân khẩu học, trong đó đặt câu hỏi về từng tác vụ để xác định những lĩnh vực mà người trả lời muốn được trợ lý cá nhân hỗ trợ. Các lĩnh vực tác vụ thu được gồm chăm sóc người khác, sức khỏe, giáo dục, quản lý việc nhà, tài chính cá nhân, mua sắm và tiếp cận các dịch vụ của chính phủ.
Điểm số được báo cáo trên năm quy trình công việc
OpenAI báo cáo các điểm số sau đây cho những mô hình hiện tại của mình trên năm quy trình công việc thực tế. Mỗi ví dụ ghép một yêu cầu của người dùng với câu trả lời và tỷ lệ phần trăm:
| Quy trình công việc | Điểm số được báo cáo | Câu trả lời ví dụ |
|---|---|---|
| So sánh các trường mẫu giáo sau khi gia đình chuyển nhà | 93.1% | Lập danh sách rút gọn gồm ba trường mẫu giáo, sắp xếp thông tin nhập học và để người dùng tự quyết định hai lựa chọn ưu tiên. |
| Điều phối tình nguyện viên chuẩn bị ứng phó lũ lụt cho bốn người hàng xóm cần hỗ trợ chống ngập | 98.0% | Lập kế hoạch hành động để tình nguyện viên đánh giá các địa điểm và hỗ trợ những người hàng xóm trước khi thời tiết khắc nghiệt xảy ra. |
| Tìm nhà cho gia đình tại hạt Luzerne | 100% | Tìm một căn nhà phù hợp với ngân sách, yêu cầu có khu ở riêng và thời gian đi làm sau khi đưa con đến trường, đồng thời tính thuế chuyển nhượng. |
| Xem trận đấu từ xa cùng ông hoặc bà | 96.3% | Thiết lập phương án xem và đưa ra lựa chọn thay thế phòng trường hợp luồng phát trực tiếp bị gián đoạn. |
| Lập kế hoạch chăm sóc sau khi cha hoặc mẹ được chẩn đoán mắc bệnh tiểu đường | 90.4% | Lập kế hoạch cho tuần đầu tiên, bao gồm các bữa ăn, lời nhắc và câu hỏi dành cho nhóm chăm sóc; đồng thời yêu cầu người dùng xem lại trước khi chia sẻ. |
Huấn luyện mô hình và vai trò của ChatGPT
OpenAI cho biết trong năm huấn luyện vừa qua, các mô hình của họ đã trở nên nhanh hơn, có năng lực hơn và được căn chỉnh tốt hơn cho các tác vụ sử dụng trình duyệt, sử dụng máy tính và dùng trình kết nối. Những năng lực này mở rộng phạm vi hỗ trợ có thể cung cấp qua ChatGPT. Định hướng sản phẩm là phát triển một trợ lý cá nhân có khả năng chủ động thực hiện các tác vụ thực tế, qua đó mở rộng vai trò của ChatGPT vượt ra ngoài việc trò chuyện.
OpenAI cho biết họ hy vọng bộ đánh giá này sẽ góp phần thúc đẩy mục tiêu đo lường đó.
