从选幼儿园到报税，测试 AI 的“人间烟火”技能

OpenAI于11月2日发布名为LifeVal的新基准，用于衡量AI模型能否真正帮助普通人完成日常事务。该公司称，这一评估旨在让通用AI更贴近“对人类最有用的日常帮助”。IT之家11月3日报道了该基准的任务设计与公开示例。

在任务设计上，OpenAI首先参考美国的“美国人时间使用调查”和跨国“多国时间使用调查”。随后，该公司对3995名具有人口代表性的受访者开展调查，询问他们最希望个人AI助手在哪些事务上提供帮助。基于这些信息，LifeVal覆盖照护、健康、教育、家庭行政、个人财务、购物以及获取政府服务等场景。

LifeVal的典型任务包括搬家后为孩子挑选并报名合适的幼儿园、为患糖尿病的家人制定饮食与照护计划、在预算内采购食材。它还包括整理政府表格、安排社区防洪志愿者等事务，贴近家庭和个人生活中的具体需求。

与传统基准不同，LifeVal更关注任务能否被推进到“可执行、可交付”的状态。例如，AI不只是列出幼儿园名单，而要结合地点、预算、通勤和家庭需求筛选；处理财务时也要兼顾账单、收入和风险。OpenAI表示，模型可能需要理解聊天记录、浏览网页、整合多方信息，并给出符合个人处境的建议。

OpenAI称，过去一年已将LifeVal用于追踪和推动模型在日常任务上的改进。公开示例显示，为孩子找幼儿园得分93.1%，组织防洪志愿者为98.0%，为糖尿病家长准备膳食计划为90.4%。这些分数反映部分生活场景中的完成度，但不同任务的难度和评分方式仍受关注。

目前，LifeVal仍主要是OpenAI的内部评估，外界尚未获得完整任务集、评分代码、误差范围或可独立复现的排行榜。因此，其结果仍需谨慎解读，不能直接等同于模型在真实生活中的全面能力。未来若公开更多任务与评测方法，LifeVal或将成为观察AI日常实用能力的重要参考。