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贵港市某某装饰材料维修网点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，港中贵港市某某装饰材料维修网点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
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9月2日报道2024成都车展上，保时捷Macan参数丨图片） EV长续航版正式上市，新车售价59.80万元，定位为一款中型SUV，是保时捷最寄2024-09-17
“如果今晚对阵水晶宫的是曼联U23，我认为他们也不会以0比4落败。”这是利物浦名宿卡拉格在天空体育做节目时的评价，本轮英超最晚开打的这场比赛中，曼联的表现着实惊到了他。本赛季双方的首回合较量水晶宫就曾2024-09-17
人民网北京5月7日电 记者王震）5月7日，海关总署发布关于解除塞尔维亚高致病性禽流感风险警示的公告。根据风险分析结果，自本公告发布之日起，解除依据原质检总局2016年17号风险警示通告发布的关于塞尔维2024-09-17
八达岭夜长城自4月30日常态化开放游览。 受访者供图“五一”期间，上演“人挤人、人堵人”出行盛况的，不止白天举行的文旅活动。不少知名景区、传统街道、文化展馆还推出了“夜游”项目，让游客在夜间的万千光影2024-09-17
总台记者当地时间11日获悉，加拿大渥太华警方在意大利追回了被盗的已故英国首相丘吉尔的知名肖像照《愤怒的丘吉尔》The Roaring Lion）。预计这幅照片将在本月晚些时候在罗马正式移交给加拿大2024-09-17- “如果今晚对阵水晶宫的是曼联U23，我认为他们也不会以0比4落败。”这是利物浦名宿卡拉格在天空体育做节目时的评价，本轮英超最晚开打的这场比赛中，曼联的表现着实惊到了他。本赛季双方的首回合较量水晶宫就曾2024-09-17
最新评论