近日，openai正式推出lifeval基准测试，旨在评估ai系统在照护、健康、教育、家庭事务管理、个人理财以及政府公共服务等真实生活场景中的综合表现。与传统评测聚焦于知识问答或单一技能不同，lifeval更关注ai是否能将任务持续推进至实际可执行、结果可交付的阶段，重点考察其应对现实问题的端到端解决能力。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
该基准的设计依据来自美国时间使用调查（American Time Use Survey），并整合了对3995名真实受访者的深度调研数据构建而成。在过去一年中，OpenAI持续借助LifeVal监测各代模型的能力演进。公开披露的部分测试案例显示：AI协助家长筛选适配幼儿园的任务得分为93.1%，协调社区防洪志愿者招募工作得分为98.0%，为2型糖尿病患者定制个性化膳食方案得分为90.4%。
OpenAI同时指出，当前LifeVal仍主要作为内部研发评估工具运行，尚未对外完整发布全部任务集及评分源代码，因此外界所见的相关性能数据需结合其使用背景审慎理解。
LifeVal的发布标志着OpenAI正将模型评估重心从基础的信息理解与文本生成，逐步转向更具挑战性的现实任务规划、多步推理与自主执行能力，加速推动AI由被动应答式对话助手，向主动参与、可信赖的日常生活协作者角色转变。
