标签

基准测试

帖子 1阅读 30

帖子数

1

阅读量

30

昨天发布30次阅读

OpenAI 发布 LifeVal：不再考模型做题，改考它能不能帮你找托儿所、办手续，GPT-6 Astra 自评 80.6%

AI快讯 OpenAI 11 月 2 日发布了 LifeVal，一项面向日常生活的评测：不再考模型做题、写代码，而是考它能不能把生活里的事办成——找托儿所、给孩子报幼儿园、办政府手续、做预算、订杂货、照顾病人。模型要靠浏览器操作、电脑操作与连接器真正动手，而不只是给建议...