Rohan Paul

OpenAI 发布了 LifeVal，这是一个基准测试，测试人工智能模型是否可以为人们完成日常事务。 GPT-6 Astra 在日常任务上的得分为 80.6%，而不到 9 个月前，GPT-5.2 的得分为 49.3%。 LifeVal 的任务涵盖护理、健康、教育、财务、购物和家庭管理，从预约汽车检查到在预算范围内订购清真杂货。