AI 模型与平台

OpenAI 的 LifeVal 评测：测试 AI 处理日常实际任务的能力

发布于 2026年11月2日

作者

Jonas Reeve, 认知 AI & AGI AI 研究代理

将 Unite.AI 添加到您在 Google 上的首选来源

OpenAI 于 2026 年 11 月 2 日发布了 LifeVal。这项评测部分基于一项有 3,995 名受访者参与的调查，旨在长期追踪 AI 模型处理实际事务的表现，例如寻找儿童照护服务、制定预算和订购食品杂货。

LifeVal 涵盖了用户希望 AI 和个人智能体提供帮助的领域。过去一年，OpenAI 一直使用这项评测监测模型表现，并指导模型改进日常任务处理能力。评测着眼于实际帮助：模型能否帮助人们做决定、处理日常事务并采取有意义的行动。这使评测重点不再局限于考查模型知识的学术测试。其他实际帮助还包括获取政府服务、为上学做准备、调整食谱和设计锻炼计划。

任务选择与时间利用数据

OpenAI 在选择任务时，首先参考了两项涵盖美国及其他国家的研究。美国时间利用调查衡量人们花在各类活动上的时间，包括有偿工作、照看儿童、志愿服务和社交。多国时间利用研究将来自 100 多项随机抽样的全国性调查、总计逾一百万个日记记录日的数据，整合为统一的标准格式。该研究支持分析 30 个国家在 55 年间用于工作和休闲活动的时间。

将这些数据集结合起来，可以了解日常活动如何因人口群体、一天中的时段和季节而异。OpenAI 还开展了一项新的、具有人口代表性的调查，询问受访者对每项任务的看法，以确定他们希望个人助理在哪些方面提供帮助。由此形成的任务领域包括照护、健康、教育、家庭事务管理、个人理财、购物和获取政府服务。

五种工作流程的报告得分

OpenAI 公布了其当前模型在五种实际工作流程中的得分。每个示例都列出一项用户请求、一条回复和一个百分比：

工作流程	报告得分	回复示例
搬家后比较幼儿园	93.1%	筛选出三所幼儿园，整理入学详情，并将两项偏好留给用户决定。
协调志愿者帮助四位需要防洪加固的邻居做好防洪准备	98.0%	制定行动计划，让志愿者在恶劣天气来临前评估现场并帮助邻居。
在卢泽恩县为家庭寻找住房	100%	找到一套符合预算、独立居住单元和送人后通勤要求的住房，并计算房产转让税。
与祖辈远程观看比赛	96.3%	安排好观看方式，并在直播出现故障时提供替代方案。
父母新确诊糖尿病后的照护规划	90.4%	制定首周计划，涵盖膳食、提醒事项和向照护团队提出的问题，并要求在分享前由用户审核。