OpenAI LifeVal Nedir? Günlük Görev Benchmark'ı
OpenAI LifeVal Nedir? Günlük Görev Benchmark'ı OpenAI LifeVal, bir çocuğu okula kaydettirmek, ev bütçesini yönetmek veya bir devlet dairesiyle işleri halletmek gibi günlük yaşam görevlerinden oluşan 169 görevlik bir kıyaslama setidir; bir yapay zekâ ajanı bu görevleri tarayıcı kullanımı, bilgisayar kullanımı ve bağlayıcılar aracılığıyla tamamlar. Her deneme bir rubrikle puanlanır ve puan, 0 ile 1…
OpenAI LifeVal, 169 günlük yaşam görevlerinden oluşan bir kıyaslamadır; model bunları tarayıcı, bilgisayar ve bağlayıcılar kullanarak tamamlar. Her deneme puanlanır ve genel bir puan alınır, 0 ile 1 arasında. GPT-6 Astra, xhigh efor düzeyinde %80,6 puan kazanır. OpenAI bu modeli insanların günlerini ne şekilde geçirdiğini ve bu etkinliklerden hangileri kullanacaklarını öğrenmek için Time Use Survey'ları kullanarak oluşturdu.
Her modelin, model çıkış tarihine göre xhigh eforuyla puanlandığı grafikte, GPT-6 Astra, %80,6 puan elde ediyor. Bu puan, akıl yürütme kapasitesine göre değil, yaşam görevlerini başarılı bir şekilde tamamlamaya yönelik performansı gösterir.
Written by urgent.news from Dev.to's reporting — not their text. Machine-written — may contain errors; check the original before relying on it.
