LifeVal خدام

LifeVal هو معيار تقييم طوّراتو OpenAI باش يقيس شحال الذكاء الاصطناعي قادر يعاون الناس يكملو المهام اليومية ديالهم. LifeVal مبني على مسح أمريكي لاستعمال الوقت، ودراسات دولية على استعمال الوقت، وبحث تمثيلي داروه مع 3995 شخص. المهام كتشمل رعاية الأطفال، الصحة، التعليم، التدبير الإداري ديال الدار، المالية الشخصية، الشرا، والحصول على الخدمات الحكومية، وكيشدّد على واش النموذج يقدر بصح «يدبّر القضية» وماشي غير يعطي نصائح. حسب المعطيات الرسمية، خلال العام اللي فات استعملو LifeVal باش يقيسو ويحسّنو أداء النماذج، وبالاعتماد على متوسط المكافأة غير الموزون، طلع المتوسط من 49.3% عند GPT-5.2 حتى لـ 80.6% عند GPT-6 Astra.

قياس القدرة على المهام اليومية: كيقيم أداء النموذج فمواقف حقيقية من الحياة، بحال رعاية الأطفال، الصحة، التعليم، المالية، الشرا، والخدمات الحكومية.
مبني على احتياجات المستخدمين الحقيقية: كيرجع لمسوح استعمال الوقت وبحث تمثيلي شمل 3995 شخص، وكيختار المهام اللي المستخدمين محتاجين فيها أكثر لمساعدة الذكاء الاصطناعي.
اختبار إتمام المهام من البداية للنهاية: كيركز على واش النموذج يقدر «يدبّر القضية»، وماشي غير يعطي جواب ولا نصيحة بحال الدردشة.
تتبّع تطور النماذج: كيتستعمل للمقارنة عبر الوقت، والمعطيات الرسمية كتبرز أن النتيجة طلعات من 49.3% عند GPT-5.2 حتى لـ 80.6% عند GPT-6 Astra.
دفع تطوير قدرات الوكلاء: كيساهم فالتدريب والتحسين ديال استعمال المتصفح، التحكم فالحاسوب، واستعمال أدوات الربط.
تجاوز التقييم الأكاديمي: كينقل التركيز من «امتحان المعرفة» لقياس القيمة العملية ديال الذكاء الاصطناعي فمعاونة الناس العاديين يتعاملو مع شؤون الحياة اليومية.

مصدر المهام: مهام LifeVal جاية من ثلاثة أنواع ديال المعطيات: مسح استعمال الوقت فالولايات المتحدة (ATUS)، ودراسة متعددة البلدان على استعمال الوقت (MTUS)، وبحث تمثيلي سكانيا بناتو OpenAI وشمل 3,995 مشارك. كيتستخرجو من مسوح استعمال الوقت الأنشطة اللي الناس كيقضيو فيها وقت فعلي فحياتهم اليومية، ومن بعد كيتسولو فاستبيان على «شنو المساعدة اللي كيتمنّاو أكثر يقدمها الذكاء الاصطناعي» فكل مهمة، وبهذا كيتختارو المهام ذات القيمة العالية فمجالات الرعاية، الصحة، التعليم، التدبير الإداري ديال الدار، المالية، الشرا، والخدمات الحكومية.
طريقة التقييم: كل مهمة كتحاكي وضعية حقيقية ديال مستخدم كيطلب المساعدة، وكتطلب من النموذج يكمل المسار كامل: يفهم الاحتياجات اللي فيها قيود، يجمع المعلومات ويقارن بينها، ياخذ قرارات فيها مفاضلة، ويسلّم نتيجة قابلة للاستعمال. التقييم ما كيركزش على جودة محتوى الجواب، ولكن على «واش القضية تدبّرات»، وهادشي مختلف جوهريا على تقييمات المعايير الأكاديمية التقليدية اللي كتقوم على الإجابة على الأسئلة.
آلية التنقيط: كتستعمل الجهة الرسمية متوسط المكافأة (unweighted) كمؤشر أساسي، يعني كيتنقّط إنجاز كل مهمة ومن بعد كيتحسب المتوسط. هادشي كيعني أن كاين شي مُقيِّم فالكواليس كيعطي قيمة مكافأة حسب درجة إتمام النتيجة اللي سلّمها النموذج. هاد التصميم كيسهّل التقييم الآلي على نطاق واسع والمقارنة الطولية بين الإصدارات، ولكن التفاصيل الدقيقة ديال دالة المكافأة مازال ماشي واضحة.
القدرات الداعمة: المهام اللي كتجيب نقاط عالية فـ LifeVal كتطلب من النموذج يستعمل فعليا المتصفح، وواجهة التحكم فالحاسوب، وموصلات من طرف ثالث، وماشي غير يجاوب بالمعرفة المخزنة فالمعلمات ديالو. المعيار كيمتحن فالأصل ثلاثة مستويات فآن واحد: القدرة على التخطيط والاستدلال، والقدرة على استعمال الأدوات، والقدرة على يصحح أخطاءه فالتنفيذ متعدد المراحل، وما يمكنش يجيب مكافأة عالية إلا توفرو كاملين.

المهام جاية من احتياجات حقيقية: مبني على مسوح استعمال الوقت وبحث تمثيلي شمل 3,995 شخص، وكيطابق مباشرة المواقف اللي الناس العاديين باغين أكثر يعاونوهم فيها بالذكاء الاصطناعي.
كيقيس «تدبير القضية» وماشي «الجواب الصحيح»: كيقيم درجة إتمام المهمة من البداية للنهاية، وماشي نسبة الصحة ديال أسئلة المعرفة.
كيغطي المجالات الأساسية فالحياة: كيشمل الرعاية، الصحة، التعليم، المالية، الشرا، والخدمات الحكومية، وهي مواقف يومية ذات قيمة عالية.
كيدفع تطور قدرات الوكلاء: كيمتحن فآن واحد قدرات مركبة بحال التخطيط، واستعمال المتصفح، والتحكم فالحاسوب، واستعمال الموصلات.
كيدعم تتبّع التطور عبر الوقت: كيستعمل مؤشر موحّد ديال متوسط المكافأة لقياس تطور النماذج، وبهاد الطريقة عرضات الجهة الرسمية منحنى واضح للتحسن من GPT-5.2 حتى GPT-6 Astra.
كيتجاوز نموذج التقييم الأكاديمي: كينقل مركز التقييم من «شحال النموذج ذكي» لـ «شحال يقدر يعاون المستخدم فعليا فحياتو».
مرتبط بعمق باستراتيجية المنتج: كاختبار رجوع داخلي للتدريب، كيساهم مباشرة فانتقال ChatGPT من أداة للدردشة لوكيل شخصي.

عنوان المشروع: https://openai.com/index/lifeval/

اختبار رجوع لقدرات النموذج: كتستعملو OpenAI داخليا باش تتبّع أداء المهام اليومية من GPT-5.2 حتى GPT-6 Astra، وتتأكد أن الإصدارات الجديدة ما كتراجعش.
توجيه تطوير وظائف الوكيل: بناءً على نقاط الضعف اللي كيبانها المعيار، كيتدار تدريب موجّه على استعمال المتصفح، والتحكم فالحاسوب، واستعمال الموصلات.
تقييم الإصدارات الجديدة: كيدير بحال كشف نقاط «الاستعمال اليومي»، وكيبرهن للمستخدمين أن الإصدار الجديد أقدر من القديم على تدبير القضايا.
ترتيب أولويات وظائف المنتج: بالاعتماد على معطيات إتمام المهام، كيتحددو مواقف الحياة، بحال رعاية الأطفال والخدمات الحكومية، اللي محتاجة أكثر لاستثمار موارد البحث والتطوير.
مرجع لنموذج التقييم فالصناعة: يقدرو مزودو الذكاء الاصطناعي الآخرين يستافدو من المنهجية ديالو فتصميم المهام انطلاقا من بحث المستخدمين، ويبنو تقييما مشابها للمهام اليومية الموجّهة للمستخدمين الناطقين بالصينية.