OpenAI представляет бенчмарк LifeVal для повседневных задач ИИ

OpenAI 2026-11-02году представил LifeVal — бенчмарк, предназначенный для измерения того, насколько хорошо ИИ помогает людям выполнять повседневные задачи, включая поиск ухода за детьми, управление финансами и работу с государственными документами.

Доказательства и контекст

Согласно объявлению OpenAI от 2026-11-02года, LifeVal предназначен для оценки практической помощи, а не в первую очередь академических тестов на знания. Компания заявила, что использовала оценку для отслеживания и реализации улучшений за предыдущий год, при этом выбор задач был сделан на основе Американского опроса по использованию времени и Многонационального исследования использования времени.

OpenAI сообщила, что эталон также включает демографически репрезентативный опрос 3,995 респондентов о том, где им больше всего нужна помощь персонального ассистента. Охватываемые области включают уход, здравоохранение, образование, управление домашним хозяйством, личные финансы, покупки и доступ к государственным услугам. В объявлении приведены примеры поиска ухода за детьми, составление бюджетов, изменение рецептов, заказ продуктов и планирование тренировок.

Заявленная цель LifeVal — измерять, помогают ли модели людям принимать решения, управлять обязанностями и выполнять значимые задачи. В репортажах CNN, синдицированной KVIA, 2026-11-02отмечается, что повседневные задачи могут иметь широкие требования и субъективные результаты, подчёркивая, что не следует рассматривать как независимое доказательство надёжности в реальном мире.

В объявлении не было раскрыто график запуска связанного продукта и не приводились дополнительные показатели производительности, выходящие за рамки описания бенчмарка.