评估模型真实效能：OpenAI 推出 GDPval 框架，聚焦 44 个职业领域的经济价值任务

OpenAI 近日推出了全新的评估框架 GDPval，旨在衡量人工智能模型在现实世界经济任务中的实际表现。这一评估体系的推出，标志着大模型测评正从传统的语言逻辑基准，转向更具实用主义色彩的经济价值衡量。

GDPval 的核心在于其对真实生产力的模拟，它通过覆盖 44 个不同职业领域的经济价值任务，来量化模型在实际工作场景中的表现。通过这种深度集成行业特征的评估方法，OpenAI 试图为衡量人工智能对全球产业经济的潜在贡献，提供一套更为科学且具备实战意义的度量衡。