OpenAI 公布 LifeVal 基準,AI 助理仍難善用過往對話進行個人化

OpenAI 公布 LifeVal 基準,AI 助理仍難善用過往對話進行個人化

2026/11/06

OpenAI 公布日常任務基準 LifeVal,用以評估 AI 助理的個人化能力。結果顯示,即使能存取過往 ChatGPT 對話,在需引用歷史資訊的條件下,AI 助理平均達標率僅 33.33%。

OpenAI 公布一項名為 LifeVal 的日常任務評測基準,專門檢驗 AI 助理在真實生活情境中的個人化表現。評測結果揭露了當前技術的明顯瓶頸:即使 AI 助理能夠存取使用者過去的 ChatGPT 對話紀錄,在需要引用歷史資訊才能妥善完成任務的條件下,平均達標率僅有 33.33%。

個人化被視為 AI 助理的下一個關鍵戰場。各大 AI 業者近年陸續推出記憶功能,讓模型能記住使用者的偏好、工作背景與過往討論,期望助理能像熟悉使用者的真人祕書一樣,主動提供符合需求的協助。然而,「能存取資料」與「能善用資料」之間存在相當大的落差,過去業界缺乏系統化的方法來衡量這項能力。

LifeVal 的設計正是瞄準這個缺口。它以日常任務為情境,檢驗 AI 助理是否能從過往對話中找出相關資訊,並正確套用到當下的請求中。業界分析人士指出,這類任務的難點在於,模型不僅要從大量歷史紀錄中檢索出真正相關的片段,還要判斷哪些資訊已經過時、哪些偏好只適用於特定情境,最後再把這些線索整合進回答之中。任何一個環節出錯,都可能導致回覆不符合使用者期待,甚至出現錯誤的推論。

約三分之一的達標率說明,目前的大型語言模型雖然在知識問答與推理上表現亮眼,但在長期記憶的運用上仍相當初步。由 OpenAI 自行公布這項不算亮眼的結果,也顯示業者正試圖以更透明的方式界定問題,作為後續改進模型的依據。對研究社群而言,一套公開的評測基準,也有助於不同團隊在相同標準下比較方法優劣。

對使用者而言,這項結果提醒大眾不宜高估 AI 助理的「記憶力」。在處理需要延續先前脈絡的工作,例如長期專案規劃、健康或財務相關的個人事務時,使用者仍應主動提供關鍵背景,並仔細檢查助理的回覆。對台灣開發 AI 應用的企業來說,若產品要主打個人化體驗,也需要在檢索、資料整理與記憶管理上投入更多工程設計,而不能僅仰賴模型本身。

LifeVal 為 AI 助理的個人化能力提供了可量化的檢驗方式。未來各家模型在這項指標上的進展,將成為觀察 AI 助理能否真正走進日常生活的重要依據。