重點導讀
OpenAI 發布 LifeVal 基準,用來測試 AI 模型能否替人完成日常差事;GPT-6 Astra 得分為 80.6%,高於不到 9 個月前 GPT-5.2 的 49.3%。
- 任務範圍:涵蓋照護、健康、教育、財務、購物與家務行政,包括預約汽車檢驗,以及在預算內訂購清真食品。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
推薦理由
LifeVal 涵蓋照護、健康、教育與財務等日常任務,並比較 GPT-6 Astra 與 GPT-5.2 的完成率,呈現模型處理生活事務的基準差異。
Rohan Paul@rohanpaul_ai
·20 天前
OpenAI has released LifeVal, a benchmark testing whether AI models can finish everyday errands for people.
GPT-6 Astra, scores 80.6% on everyday tasks, up from 49.3% for GPT-5.2 less than 9 months earlier.
LifeVal’s tasks span caregiving, health, education, finance, shopping and household admin, from booking a car inspection to ordering halal groceries within budget.
推文來源 · X (Twitter)在 X 參與討論
來源: Rohan Paul (x.com)
在 X 查看推文