港中深团队打造新型AI评测集，或可成为数学大模型检验的重要基准
我要评论近日，港中来自香港中文大学（深圳）的深团数学一支科研团队通过求解器的引入，把大模型回答的队打大模鹤壁市某某搬家培训中心数学模型交给求解器解决，进而通过比对求解器的造新重基准答案，得以成功判断数学模型的型A型检正确性。
这相当于为参加考试的测集成考生准备了高级计算器，只需输入方程就能得出准确答案。港中这样一来，深团数学就可以判断学生所写的队打大模方程是否正确。
基于这个理念，造新重基准该团队构建了一款名为 Mamo 的型A型检评测集，能够结合不同的测集成求解器评测大模型相应的建模能力。
未来，港中鹤壁市某某搬家培训中心这一评测集可能会成为数学大模型检验的深团数学重要基准，从而能够用于测试新训练大模型的队打大模建模能力。
同时，本次评测集的出现，也让评测中间过程成为可能，有望带动运筹大模型的发展。
谈及本次课题的初衷，研究人员表示在讨论 AI for math、特别是讨论大模型 for math 的时候，他们重点讨论了使用大模型做定理证明的任务。
借此发现采用现有的形式化定理证明工具，可以自动地验证证明过程的正确性，从而确定大模型的证明是否正确。否则，用自动化的方式判断一段数学证明的正确性是比较困难的。
以此为启发：他们想知道在其他任务中，是否存在和形式化定理证明工具一样的东西？如果有的话，能否让他们以简单的方式判断大模型的答案是否正确？
于是他们想到了求解器。当给定目标之后，求解器可以帮助运行出对应问题/对应方程的解。
通过对不同解答的比对，就可以判断中间过程、也就是判断数学模型的正确性。
此外，一直以来，人们对于大模型的数学能力的比较，一直是在最终结果（即一道题的最终答案）上，但却缺乏对于中间过程的关注。
打个比方，就是像数学考试解答题的判卷中，只考虑最后的答案正不正确，而忽略了中间的解题过程。但是，中间的解题过程和答案一样重要。
因此，课题组希望把这个评价体系拆开，不再只是关注最终答案，而是关注中间的解题过程。于是，便开展了本次研究并发表了相关论文。
图 | 论文作者黄旭函（来源：黄旭函）
日前，相关论文以《Mamo: 一个带有求解器的数学建模基准》（Mamo: a Mathematical Modeling Benchmark with 求解器 s）为题发在arXiv[1]。
图 | 相关论文（来源：arXiv）
下一步，他们将扩充数据，同时探索能够适配 Mamo 的不同求解器种类，以及构建相应的评测集。
参考资料：
1.https://arxiv.org/pdf/2405.13144
相关文章
央视新闻消息，澳门特别行政区行政长官选举管理委员会18日发出告示，公布被接纳的行政长官选举被提名人姓名及其所有提名人姓名，岑浩辉为此次选举的唯一被提名人。 根据《行政长官选举法》相关规定，被提名2024-09-21
很多网友调侃，现代家庭的构成很简单：父母、孩子与手机。对于孩子来说，手机似乎替代了父母、教育和陪伴。不少孩子于成长的不知不觉中，在手机中寻找慰藉、刺激与玩伴。手机该不该成为“禁果”已然成为了当前家庭教2024-09-21
伶仃洋上壮观的深中通道。苏振飞摄人民视觉） 通车第三天的深中通道，车流不息，热度未减。 隧道中，一个个小小的装置正在闪光，将一条条信息实时传到智能指挥中心后台…… “这些是雷视雷达视觉）拟合设备2024-09-21
记者从水利部获悉，7月1日23时40分，长江中游干流汉口水文站水位涨至27.31米，超警戒水位0.01米，至此长江中下游干流洞庭湖入江口以下全线超警戒。 据预报，长江中下游干流水位仍将持续上涨，2024-09-21
△资料图 苏丹地方组织阿布古塔抵抗委员会15日说，该国中部杰济拉州一村庄当天遭苏丹快速支援部队炮击，造成至少40人死亡。 阿布古塔抵抗委员会在声明中说，苏丹快速支援部队当天向杰济拉州一个村庄发动炮2024-09-21
版权声明：本文版权为网易汽车所有，转载请注明出处。网易汽车7月2日报道近日，我们从相关渠道获悉，广汽埃安第二代AION V将于7月23日正式上市。新车定位为纯电紧凑型SUV，将搭载弹匣磷酸铁锂电池2.2024-09-21
最新评论