नया टेस्ट जांचता है कि AI एजेंट रोज़मर्रा की शॉपिंग के काम कितनी अच्छी तरह संभालते हैं
LifeVal नाम के एक नए रिसर्च पेपर में AI मॉडल को परखने का तरीका बताया गया है। इसमें ऐसे निजी काम शामिल हैं जिन्हें उपभोक्ता AI से करवाना चाह सकते हैं। ये टेस्ट एजेंटिक काम पर केंद्रित हैं, यानी ऐसा काम जिसमें AI केवल सवाल का जवाब देने के बजाय कई चरणों वाले कदम खुद उठाता है। पेपर का मकसद यह दिखाना है कि अलग-अलग मॉडल इन व्यावहारिक कामों में कितना अच्छा प्रदर्शन करते हैं।
आसान शब्दकोशLifeVal, agentic, benchmark
- LifeVal
- नए रिसर्च पेपर और टेस्ट का नाम, जो मापता है कि AI मॉडल उपभोक्ताओं के निजी काम कितनी अच्छी तरह करते हैं।
- agentic
- ऐसा AI जो बिना सिर्फ सवालों का जवाब दिए, किसी काम को पूरा करने के लिए खुद योजना बनाकर कई कदम उठा सकता है।
- benchmark
- एक मानक टेस्ट या कामों का सेट, जिससे अलग-अलग AI मॉडल के प्रदर्शन की आपस में तुलना की जाती है।
बर्निंग पोटैटो स्कोर: 71%