要让通用人工智能（AGI）造福全人类，就应当帮助人们完成对他们最重要的日常任务。因此，我们打造了 LifeVal，这是一个全新的基准，其设计参考了数千名 ChatGPT 用户的反馈，聚焦他们最希望个人助理提供帮助的领域——从寻找托育服务、获取政府服务，到管理个人财务。

过去一年，我们一直使用 LifeVal 来衡量并改进模型处理这些日常任务的能力。

https://openai.com/index/lifeval/

LifeVal

来源：https://openai.com/index/lifeval/ OpenAI 的使命是确保通用人工智能造福全人类\。目前，每周有超过十亿人使用 ChatGPT，我们希望构建能够帮助他们应对日常实际挑战的 AI，例如寻找托育服务、获取政府服务、制定预算、为上学做准备、调整食谱、订购食品杂货、设计健身计划等\。

当人们寻求帮助，希望让生活更轻松时，他们需要的不只是建议或聊天回复\。要成为真正有用的个人助理，ChatGPT 应当能够采取行动，切实把事情办好\。

为了持续衡量模型在日常任务上的表现，我们构建了一套任务评估，涵盖用户最希望 AI 和个人智能体提供帮助的领域\。过去一年，我们使用这套评估来跟踪并推动模型在日常任务上的表现提升\。

背景

为了确定人们最看重哪些任务，我们首先参考了两项大型研究，它们分别跟踪美国和国际范围内人们的时间分配情况：美国时间使用调查\（在新窗口中打开\） (https://www.bls.gov/tus/)和多国时间使用研究\（在新窗口中打开\） (https://www.timeuse.org/mtus)\。这两套数据共同提供了一份详尽的日常生活任务目录，涵盖不同人口群体在一天中不同时段和不同季节所从事的活动\。为了了解人们在哪些方面最重视 AI 的帮助，我们在这些现有调查的基础上，新增了一项涵盖 3,995 名受访者、在人口统计特征上具有代表性的调查\。针对每项任务，我们提出了多种问题，以确定普通人最希望个人助理在哪些领域提供帮助\。最终选出的任务涵盖人们最需要帮助的重要领域，包括照护、健康、教育、家庭事务管理、个人财务、购物以及获取政府服务\。

单项任务示例

以下示例展示了我们当前的模型在日常生活实际工作流程中的表现\。

搬家后选择合适的幼儿园并办理入园

93.1%

比较我们新家附近的幼儿园，筛选出最适合的几所\。

我已将范围缩小到三所幼儿园，并整理好了入园信息\。还有两项偏好需要你来决定\。想看看候选名单吗？

在洪水来临前组织志愿者

98.0%

帮我组织社区防洪准备志愿者队伍，为四位需要防洪援助的邻居提供帮助\。

我已准备好一份简单的行动计划，帮助志愿者评估提到的地点，并协助他们为即将到来的恶劣天气做好准备\。

为我的家人寻找新家

100%

在卢泽恩县找一套符合我预算、有独立起居单元，而且送孩子上学后通勤时间较短的住宅\。将房契加入我的购物车，方便我查看\。

我找到了一套符合你要求的住宅\。我已计算好产权转让税，并将房契加入你的国家档案购物车，供你查看\。

和远方的奶奶一起看比赛

96.3%

安排一种简单的方式，让我和奶奶能够远程一起看比赛\。

最简单的共同观赛方案已准备就绪，还准备了直播出故障时的备用方案\。需要我带着你和奶奶一起操作一遍吗？

为刚确诊糖尿病、正在适应的父母备餐

90.4%

帮我制定一份实用的护理和饮食计划，让我的父亲或母亲适应刚确诊糖尿病后的生活\。

第一周的计划已准备好，包括餐食、提醒事项以及要向医疗团队咨询的问题\。在分享给父亲或母亲之前，想先一起看看吗？

我们的最新模型在许多 LifeVal 任务中都取得了很高的分数\。

过去一年，我们通过训练，让模型在浏览器使用、计算机使用以及连接器任务中变得更快、能力更强，也更符合用户意图\。在 ChatGPT 中启用这些能力，也扩大了模型能够协助完成的任务类型，推动 ChatGPT 从聊天工具发展为真正能够自主行动的个人助理\。

要确保 AGI 造福全人类，我们就需要围绕普通人生活中重要的事情，衡量并推动模型进步\。这意味着要超越对模型知识的学术性评估，切实衡量 AI 模型在帮助人们做决策、处理日常事务以及完成有意义的事情方面表现如何\。我们希望 LifeVal 能成为迈向这一目标的一步\。