OpenAI представила LifeVal — бенчмарк бытовых задач личного агента
OpenAI представила LifeVal — бенчмарк бытовых задач личного агента Большинство запросов к ChatGPT — быт, не экзамены: садик после переезда, бюджет, доступ к госуслугам. OpenAI запустила LifeVal — набор сценариев, где успех считают по доведённому делу, а не по красивому абзацу в чате. 3995 респондентов помогли выбрать зоны от ухода за детьми до шопинга; плюс данные опросов учёта времени. За год модели ускоряли и выравнивали под управление браузером, компьютером и внешними подключениями — те же классы способностей, что отделяют болталку от агента. Строите помощника с вызовами инструментов и браузером — такие метрики показывают, что OpenAI сама считает задачу «готово», когда цепочка закрыта снаружи чата.
4 просмотров