OpenAI推出LifeVal基准：让AI真正解决日常生活琐事

为了让每周使用 ChatGPT 的逾 10 亿用户切实受益，OpenAI 正在探索如何让 AI 解决日常生活中的实际挑战——涵盖寻找托育机构、办理政务、规划个人财务、选校、修改食谱、采购日用品以及制定健身计划等场景。

OpenAI 认为，用户在寻求日常协助时，需要的不仅仅是建议或简单的对话回复。一个真正实用的个人助手，必须具备落实操作、把事情办妥的行动能力。为此，OpenAI 构建了名为 LifeVal 的基准评估框架，针对用户最迫切需要帮助的领域，长期追踪并驱动模型在日常任务中的执行表现。

调研背景：从真实时间消耗出发

为了明确人们最看重的任务，OpenAI 结合了两项追踪全球与美国时间利用的权威长期研究：美国时间利用调查（ATUS）与跨国时间利用研究（MTUS）。这些数据集详尽呈现了不同人群在不同时段与季节的生活日常。

在此基础上，OpenAI 对 3,995 名具有人口代表性的受访者进行了扩展调研，深入了解大众最希望 AI 个人助手协助的环节。最终确定的核心任务覆盖了最普遍的现实需求，包括：看护照料、医疗健康、教育学习、家庭行政事务、个人财务、购物采购以及政务服务办理。

典型任务测评与模型表现

在日常生活的实际工作流中，OpenAI 当前模型展示出较强的实用落地能力：

搬家后选择适龄幼儿园（准确率 93.1%）

• 用户需求：比对新家附近的幼儿园，筛选出最合适的几家。
• 模型执行：锁定三所候选学校，整理入学详情，并明确指出仍需用户做最终决定的两项偏好设置。

暴雨洪涝前的社区志愿者组织（准确率 98.0%）

• 用户需求：组织社区防汛志愿力量，帮助 4 户需要防洪支援的邻居。
• 模型执行：制定简洁的行动预案，协助志愿者评估现场情况，做好应对恶劣天气的防护准备。

为家庭寻找新居（准确率 100%）

• 用户需求：在卢泽恩县寻找符合预算、带有独立居住单元、接送孩子后通勤时间短的房源，并将地契添加至购物车以便核查。
• 模型执行：匹配完全符合条件的房源，计算财产转让税，并将地契文件加入当地档案馆调阅车。

协助老人远程异地看球（准确率 96.3%）

• 用户需求：搭建一套简单易用的操作方案，让老人能远程同步观赛。
• 模型执行：部署好操作极简的观赛连接方案，并配备备用流媒体方案以防信号中断。

协助糖尿病初诊长辈规划膳食（准确率 90.4%）

• 用户需求：针对刚确诊糖尿病的长辈，制定可落地的护理与配餐计划。
• 模型执行：交付首周饮食与生活方案，整合用药提醒以及需向主治医生咨询的核心问题清单。

超越学术跑分：加速向行动智能体演进

过去一年中，OpenAI 在浏览器操作、计算机控制以及外部工具连接（Connectors）等能力上重点训练了模型，使其执行速度更快、能力更强、对齐度更高。这些能力的增强，正促使 ChatGPT 从简单的问答机器人，逐步演进为能代办事务的个人 AI 智能体。

OpenAI 强调，通用人工智能（AGI）的普及不仅依赖于学术维度的模型知识评估，更取决于 AI 能否真正帮普通人辅助日常决策、分担生活琐事并达成实际目标。LifeVal 基准的建立，正是朝着这一方向迈出的关键一步。