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庆阳市某某搬家培训学校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，港中庆阳市某某搬家培训学校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
新的学期又开始了，家长的抱怨又多起来，原因第一就是收费问题。最近几天常常可以看到这方面的内容。不少人直接抱怨义务教育免费有名无实，说天天讲义务教育免费，但实际上现在孩子上学反而越来越贵了。家长抱怨得有2024-09-21
这事儿｜“欧洲自然科学院院士”井喷，媒体揭露翻版“克莱登大学”
近日，多家国内学术机构、权威媒体相继发布了“xxx当选欧洲自然科学院院士”的消息，引发社会舆论关注。在多篇官方通稿的描述中，该“欧洲自然科学院Europaische Akademie der Natu2024-09-21
中新经纬5月3日电 美股三大指数高开后震荡走强，截至美股收盘，道指涨0.85%，纳指涨1.51%，标普500指数涨0.91%。热门中概股深夜狂飙，纳斯达克中国金龙指数大涨超6%。 美股大型科技股2024-09-21
21世纪经济报道记者白杨 北京报道刚刚过去的4月份，Faraday FutureFF）创始人贾跃亭在中国社交平台上异常活跃。他先是借抨击小米汽车成功吸引了舆论关注，随后又录制四个视频，回应了网友提到的2024-09-21
当地时间9月15日，约旦首相哈苏奈向约旦国王阿卜杜拉二世提交辞呈。总台记者 朱云翔） 此前报道：约旦国民议会选举初步结果公布 伊斯兰行动阵线党席位领先央视新闻） 当地时间9月11日，约旦第202024-09-21
原标题：亮“舰”！近距离看我国第三艘航母福建舰解缆起航） 近距离看我国第三艘航母福建舰解缆起航 来源：视频综合） 我国第三艘航空母舰福建舰在多艘拖船的牵2024-09-21
最新评论