OpenAI 於本月 2 日推出名為 LifeVal 嘅評測基準（benchmark），專責衡量 AI 模型幫用户完成日常生活任務嘅能力。

呢套測試涵蓋範圍由揾托育服務（childcare）、管理個人財務，到處理政府文件等雜事，將「AI 有冇用」呢個問題拉到真實生活層面。

同以往專攻數學、編程或者學術推理嘅評測唔同，LifeVal 嘅重點係「貼地」——唔係問模型解唔解得難題，而是問佢幫唔幫得到人搞掂嗰啲大家真係要搞嘅嘢。呢個方向本身就有意思：當大模型（大語言模型，LLM）由學術研究走向日常工具，評測焦點自然都要跟住轉。

不過要留意，目前只係 OpenAI 一方向嘅公告，呢套基準嘅測試細節、題目設計、樣本量，以及邊啲模型已經跑過佢，公告入面冇交代。邊個執行、點樣評分、結果係咪公開可核，要等進一步資料先至有得拆。

模姐驗嚇貨：廠商出嘅評測，最緊要睇測試條件同可複現性，唔係睇佢話「勁」就「勁」呢。

模姐｜深度調教