行业与实践 · 标签「个性化」

研究与基准测试/2026-11-06/16 分钟

LifeVal：个性化消费任务上，模型仍常漏掉对话里的关键信息

OpenAI 用 3,837 人的支付意愿调查选出 148 类生活任务，做成 169 道带真实 ChatGPT 上下文的智能体题。去掉额外任务上下文会明显掉分；过往对话条目平均胜率只有 33.33%。自动评分器与人类平均分 84.20% 对 83.61%。