LifeValとは？日常タスク評価とGPT-6 Astra

手伝ってほしい用事から設計した

AGIが人類全体の役に立つなら、人々が最も大切にする日常の用事を手伝えるべきだ。

LifeValは、新しい対話モデルの名前ではなく、個人向けアシスタントの実用性を測るためのベンチマークです。OpenAIは、数千人のChatGPT利用者から「どこを手伝ってほしいか」を集め、そのフィードバックで評価の形を決めました。

題材は競技的な難問ではなく、生活の中で繰り返し起きる手続きです。公式の説明が挙げる代表例は、保育先を探すこと、行政サービスを利用すること、個人の家計や資産を管理することです。

• 保育

  子どもを預ける先を見つける、という具体的な手配が題材に入っています。

• 行政

  役所や公的サービスへアクセスし、必要な手続きを進める場面を含みます。

• 家計

  個人の収支や資産を管理する、お金まわりの用事も対象です。

この1年の物差しと首位の結果

この1年、LifeValで日常タスクの出来を測り、モデルの改善に使ってきた。

OpenAIは、発表までの1年間、自社モデルがこうした日常の用事をどれだけこなせるかをLifeValで測り、その結果を改善に結びつけてきたと説明しています。評価は社外向けの一回きりの発表用ではなく、開発の途中で繰り返し参照されてきた物差しです。

公表されている成績では、GPT-6 Astraが80.6%で首位です。今回の要点として置かれているのはこの順位とスコアで、他モデルの点数や、何問中の正解かという内訳はあわせて示されていません。

公式ページと、まだ開いていない点

公式の案内はopenai.comにあります。検索で「LifeValとは」「公式」と探すときの着地点は、このOpenAIのページです。読者がページで確認できるのは、誰の声で題材を決めたか、どんな日常の用事を重視しているか、そしてこの1年の測定と改善に使ってきたという位置づけです。

料金、API、オープンウェイトといった提供形態は、今回の発表の範囲に入っていません。LifeValはダウンロードして自分で回すツールとして紹介されているわけではなく、OpenAIがアシスタントの実用性を測るために構築し、自社モデルの改善に用いてきたベンチマークです。採点基準の詳細や、第三者が同じセットを実行できるかどうかは、今後の公開を待つ論点です。