OpenAIは、学術的なベンチマークだけでは、AIが実際にあなたの生活をどれだけ楽にできるかを十分に示せないため、lifevalをリリースしました。 同社は、1年間の取り組みにより、モデルの速度が向上し、ブラウザ、コンピューター、接続されたアプリの使用がより優れたものになったと述べています。Gpt-6 astraは、予算内で車の点検を予約したり、食料品を注文したりする特定のタスクで、100％の最高記録スコアを達成しました。 これは興味深いデータです。AIが信頼性を持ってタスクを確実に遂行すれば、人々はより多くの生活の側面をAIに委ねるようになるからです。このようなベンチマークは、信頼を獲得するための、複雑で日常的なタスクへの開発を促進しています。