先了解这件事
OpenAI于2026年11月3日发布LifeVal基准,用于衡量AI模型能否帮助普通人完成日常事务。OpenAI表示,为了让AGI惠及全人类,它应当帮助人们处理最看重的日常事务,因此构建了该基准;基准依据数千名ChatGPT用户的反馈设计,覆盖寻找托儿服务、获取政府服务、管理个人财务等场景,过去一年OpenAI用LifeVal衡量并改进模型处理这些日常任务的能力。IT之家报道称,任务设计参考美国及跨国时间使用调查并调查3995名受访者,公开示例中为孩子找幼儿园得分93.1%、组织防洪志愿者为98.0%、为糖尿病家长准备膳食计划为90.4%;该基准目前仍主要是OpenAI的内部评估,外界尚未获得完整任务集、评分代码和可复现排行榜。
AI 根据公开报道生成
最新进展 · 正式报道
MIT 研究：GPT-6 Astra 可直接改写其他模型权重，无需再训练事件进展
1 个已确认进展
- 来源：OpenAI
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
11月3日
The Rundown AI精选
MIT 研究：GPT-6 Astra 可直接改写其他模型权重，无需再训练
MIT 研究人员发布研究，显示 OpenAI 的 GPT-6 Astra 能通过直接改写模型权重来改进部分 AI 模型，而不必再走训练流程。阿里的小型 Qwen 模型数学得分原本为 7.9%，Astra 只改动 0.016% 的权重来减少重复输出的问题，修复后达到 48.1%；同样方法用在 Google 的 Gemma 3 上效果有限，其数学分数几乎没有变化。作者称这种能力未来可能让 AI 升级自身、按需为其他模型增删技能或检查隐藏问题。
IT之家·人工智能
OpenAI 发布 LifeVal 基准，测试 AI 完成日常事务的能力
OpenAI 于 11 月 2 日发布名为 LifeVal 的新基准，用来衡量 AI 模型能否真正帮助普通人完成日常事务。任务设计参考美国及跨国时间使用调查，并调查 3,995 名受访者，覆盖照护、健康、教育、家庭行政、个人财务、购物和政府服务等场景。公开示例中，为孩子找幼儿园得分 93.1%，组织防洪志愿者为 98.0%，为糖尿病家长准备膳食计划为 90.4%；该基准目前仍主要是 OpenAI 的内部评估，外界尚未获得完整任务集、评分代码和可复现排行榜。
Unite.AI
OpenAI 发布 LifeVal 评测，用日常任务衡量模型表现
OpenAI 于 2026 年 11 月 2 日发布 LifeVal 评测，部分基于一项 3995 名受访者的调查，用于长期追踪模型在找托儿、做预算、订杂货等实际事务上的表现。该评测的任务领域来自美国时间使用调查、跨国时间使用研究及一项人口统计代表性调查，覆盖照护、健康、教育、家庭事务、个人财务、购物和获取政府服务。OpenAI 公布了当前模型在五个工作流上的得分，例如搬家后比较幼儿园为 93.1%、为四户邻居协调防洪志愿者为 98.0%、为一位家长新确诊糖尿病制定首周照护计划为 90.4%。
Rohan Paul
OpenAI 发布 LifeVal 基准，测试模型完成日常事务能力
OpenAI 发布 LifeVal 基准，用于测试 AI 模型能否替人完成日常事务，任务覆盖照护、健康、教育、金融、购物和家庭管理，例如预约车辆年检、在预算内订购清真食品。该基准由数千名 ChatGPT 用户反馈塑造，OpenAI 称过去一年用 LifeVal 衡量并改进模型处理这类任务的能力。Rohan Paul 转述称 GPT-6 Astra 在该基准上得分 80.6%，高于不到 9 个月前 GPT-5.2 的 49.3%。
OpenAI一手
OpenAI 推出 LifeVal 日常任务基准
OpenAI 表示，为了让 AGI 惠及全人类，它应当帮助人们处理最看重的日常事务，因此构建了 LifeVal 基准。该基准依据数千名 ChatGPT 用户的反馈设计，覆盖寻找托儿服务、获取政府服务、管理个人财务等场景。过去一年，OpenAI 用 LifeVal 衡量并改进模型处理这些日常任务的能力。
本事件热度走势
- 当前
- 31
- 区间峰值
- 49 11月3日 11:00
- 近 24 小时变化
- -20%
移动指针或点击图表可查看每小时热度；键盘可用左右方向键切换。