OpenAI、日常タスク評価「LifeVal」を公開

要約

OpenAIは、ChatGPTが個人のアシスタントとして実際に仕事をこなす水準を測る新しい評価「LifeVal」を公開した。米国の時間利用調査と多国籍時間利用調査、新たな3,995人への調査をもとに、育児、行政手続き、家計、買い物、公共サービスへのアクセスなど、人が最も助けを求める日常タスクを選んで構成した。幼稚園の入学先の比較や糖尿病診断後の食事計画といった例示タスクで、最新モデルは90.4~100%のスコアを出したと同社は述べている（OpenAIの自家評価による）。

仕事との関連

モデルの性能を「知っているか」ではなく「実際にやり遂げるか」で測る評価へと重心が移りつつあることを示す。個人アシスタント型エージェントが実生活のタスクでどこまで来ているかを測る基準線として使える。

韓国語の原文を翻訳した記事です。 要約には翻訳と編集を含みます。コメントは私たちの解釈であり、将来予測は出典の見解です。