OpenAI казва, че неговият AI става все по-добър в правенето на неща, които хората правят, като пазаруване и планиране на хранене

Вижте всички тематики Връзката е копирана! Следвайте <стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzdii0a004t2dp0fpdfbshz@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > Хората към този момент употребяват ChatGPT на OpenAI за неща като помощ при домашните и основаване на презентации.

<стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhbm5h000c3b6tx4aat9iy@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > Сега софтуерният колос твърди, че неговите AI модели стават все по-добри в ежедневните задания, значително оставени на хората – като извършване на покупки и основаване на бюджет.

<стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhbm5h000d3b6tt2pfy6zl@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > OpenAI разгласи в понеделник нов вътрешен инструмент за оценка на метода, по който AI се оправя със задания като тези, дружно с проучвания за това по какъв начин се показват личните му модели. OpenAI твърди, че неговият модел GPT-6 Astra е отбелязал 93,1% при намиране на вярната детска градина след пренасяне, 98% резултат при ръководство на доброволци от общността, подготвящи се за наводняване и 90,4% резултат при основаване на проект за хранене за родител, неотдавна диагностициран с диабет.

<стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhbz0a000g3b6tef3pxtw3@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > Новият бенчмарк идва в миг, когато OpenAI е изправен пред яростна конкуренция от Meta, Anthropic и Гугъл – всички те се надпреварват да разработят AI сътрудници, които могат да се оправят със задания от действителния свят. OpenAI и неговите противници също се борят с опасенията за сигурността на AI и натиска да осъществят облага от големите си вложения в технологията.

<стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhbzju000h3b6tnqmw0pu0@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > Но първо OpenAI трябваше да измисли метод да разбере дали ChatGPT в действителност е добър в задания като сглобяване на количка за хранителни артикули и попълване на онлайн формуляри.

<стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhbzju000i3b6tozw6yjr6@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > „ Тъй като толкоз доста хора употребяват приложението, ние желаеме да осезаем всички разнообразни случаи на приложимост и методите, по които те го употребяват, и в действителност да разберем по какъв начин се подобряваме с времето “, сподели Джени Янг, откривател в OpenAI, пред CNN преди публикуването на оценката. " Кои са нещата, в които към момента не сме толкоз положителни? И по какъв начин просто да създадем тази технология по-добра за хората? "

Как OpenAI сътвори теста

<стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhbzju000k3b6tcin0pkgv@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > Стандартизираните оценки са сериозни при създаването на AI, защото лабораториите за AI ги употребяват като насоки за образование и усъвършенстване на своите модели за възстановяване в съответни области. Миналата година OpenAI пусна бенчмарк, наименуван GDPVal, с цел да мери по какъв начин AI се показва в обвързваните с работата умения в промишлености като произвеждане, държавна работа, финанси и продажби , сред други.

<стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhtm0r002t3b6tcq2a9zsw@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > Новият индикатор може да бъде от решаващо значение в устрема на OpenAI да остане пред конкуренцията, като трансформира ChatGPT от инструмент за генериране на наличие в помощник, който може да прави нещата от името на потребителите.

<стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhbzju000l3b6t0zvxu1fc@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > Но измерването на успеваемостта на ИИ в всекидневието слага нови провокации. Стъпките и уменията, нужни за съответно извършване на покупки на хранителни артикули или за избор на подобаваща детска градина за дете, са необятни и неразбираеми. И резултатите могат да бъдат субективни.

<стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhbzju000m3b6tadqj0jdg@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > Дори да разберете какви проби да измислите може да бъде мъчно, тъй като доста хора употребяват AI по друг метод и отговорите на AI сътрудника могат да варират според от информацията, която е предоставена.

<стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhbzju000n3b6tgwve9wer@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > OpenAI стартира с разглеждане на необятни изследвания, разбиващи по какъв начин хората прекарват по-голямата част от времето си, като американското изследване за потребление на времето на Бюрото по трудова статистика и многонационалното изследване на потреблението на времето в Обединеното кралство. Проблемът обаче беше, че някои от нещата, които оглавяваха листата, не бяха задания, с които AI можеше да помогне, като сън или хранене.

5 минути четене <стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhbzju000o3b6tkqzesb7k@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > И по този начин, OpenAI попита потребителите на ChatGPT: За какви неща бихте желали да може да помогне AI помощник?

<стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhbzju000p3b6t1nzvgnoh@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > Компанията интервюира към 4000 души и накара по-малка група от към 100 консуматори да напишат дилемите, които желаят AI да направи за тях, и какъв персонален подтекст биха дали на AI модела, с цел да получат стремежи резултат. Те също по този начин помолиха потребителите да измислят графа за оценка дали AI моделът е извършил сполучливо задачата.

<стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhbzju000q3b6tbwl8710h@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > OpenAI също се увери, че потребителите на ChatGPT са разбрали изцяло задачата, която оферират. Например, човек, който предлага тест, обвързван с метода, по който AI се оправя с финансовото обмисляне, би трябвало да има опит в работата с финансов консултант в продължение на няколко години.

<стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhbzju000r3b6tpcutdai6@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > Янг сподели, че имат непоколебим лист с условия.

<стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhbzju000s3b6t9393oqho@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > „ Трябваше да желаете да имате доказателства, че сте някакъв специалист или в действителност разбирате по какъв начин наподобява верният отговор за вас “, сподели тя.

<стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhbzju000t3b6to78rek55@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > Задачите, които OpenAI тества могат да варират в необятни граници — от търсене на апартамент до грижа за обичан човек. И по този начин, какво тъкмо мери OpenAI?

<стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhbzju000u3b6tcgn8jkol@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > Той прави оценка типовете умения, от които моделът ще се нуждае, с цел да получи верния отговор, като да вземем за пример какъв брой добре може да направлява в уеб страници, да ползва подтекст, като преглежда огромни количества информация в историята на чатовете на потребителя и прави изводи, които са в сходство с потребностите и упованията на потребителя.

<стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhny5k002h3b6tih1knian@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > Тестването на OpenAI демонстрира, че неговият модел GPT-6 Astra, който беше пуснат през септември, означи 80% за обща продуктивност, обвързвана с подкани, включващи ежедневни задания. Неговият модел GPT-5.2 от декември 2025 година означи едвам 49,3%.

<стр class= " paragraph-elevate inline-placeholder vossi-paragraph_elevate " data-uri= " cms.cnn.com/_components/paragraph/instances/cmvzhbzju000v3b6t5z7wggg3@published " data-editable= " текст " data-component-name= " параграф " data-article-gutter= " true " > „ Има толкоз доста информация и един по-добър модел би могъл да я пресее бързо и в действителност да извади най-подходящите елементи “, сподели Янг.