OpenAI发布LifeVal基准测试，评估模型处理日常事务的能力

發生什麼事

@OpenAI发布的基准测试LifeVal并非刚刚开发出来。OpenAI表示，过去一年一直用它评估并改进自家模型处理日常事务的表现。测试题目参考数千名ChatGPT用户对个人助理的期待，范围涵盖托儿服务、政府服务和个人财务。测试设计及改进效果均为官方说法，我们没有实测（🗣 自述）。