LifeVal：AI做日常事务，评估关注的不只是答题

AI回答一套考试题拿高分，不代表它能帮人完成生活里的具体事务。OpenAI在11月2日介绍了LifeVal，试图追踪模型在日常任务上的表现：从比较托育选择、处理家庭事务，到准备预算、购物和查找公共服务。

这个评估的任务来源分两步。研究者先参考美国及跨国时间使用研究，整理不同人群在日常生活中会做的事；再对3,995名受访者做调查，了解他们最希望个人助手在哪些事情上帮忙。公开的例子包括搬家后比较幼儿园、为异地家人安排一起看比赛，以及为有特殊饮食需求的家人准备餐食计划。

看这些例子时，值得把“给出建议”和“完成操作”分开。比如比较幼儿园，整理候选名单和入学信息可以减轻查找负担；但地址是否正确、名额和费用是否仍有效，最终选哪一家，仍需要依据实际情况核对并由人决定。官方展示的另一些例子也把需要用户作决定的部分留到确认环节。

页面称这一评估在过去一年用于跟踪和改进模型的日常任务表现，并展示了部分任务的结果。它反映的是该评估设计和特定测试条件下的表现；公开介绍没有交代完整任务总数、逐项评分细则或所有测试设置，单个示例的百分比不能直接理解为现实生活中的成功概率，也不能据此比较不同地区或个人处境。

对日常使用者来说，一个更可检查的提法是把目标、约束和需要自己确认的步骤分开：例如列出预算、通勤范围和孩子年龄，请AI整理候选项及缺失信息，最后自己核对招生条件。尤其是医疗、财务和公共事务，信息的时效、地区差异和个人情况都会影响结论，不能只看一份整齐的结果就直接执行。