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
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镇江市某某软件科技客服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,港中镇江市某某软件科技客服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
(责任编辑:时尚)
-
文 | TMT星球,作者 | 黄燕华即将过去的2025年,汽车行业加速行驶在转型的快车道上。这一年,新能源汽车渗透率持续上升、智能技术加速落地;这一年,是传统燃油车企承受着来自新能源车企的冲击,努力稳
...[详细]
-
△黎巴嫩南部资料图 总台记者当地时间10月28日获悉,自去年10月新一轮黎以冲突爆发以来,至少168名黎巴嫩医护人员在以色列的袭击中丧生。 当天,以色列空袭黎巴嫩南部艾因巴尔镇,已造成7人死亡,其
...[详细]
-
【#樊锦诗送神十九乘组出征#】“敦煌的女儿”樊锦诗现身神舟十九号载人飞行任务航天员乘组出征仪式,为神十九乘组送行。从敦煌到酒泉只有几百公里,从飞天到飞天却是千年梦。文明的守护者与科技的逐梦人,在这
...[详细]
-
点击图片咨询2024年新航道秋季班雅思考试一共分为4个科目,分别是听力、口语、阅读和写作。雅思分数都是从0到9分,最后所取得的总分为四项成绩的平均值。雅思阅读满分的原始分均为40分,考生依据其原始分获
...[详细]
-
乌克兰总统泽连斯基1月4日签署命令,实施乌国家安全与国防委员会关于对95名自然人和70家法人实体实施制裁的决定,其中大部分为俄罗斯公民。制裁措施主要针对与俄罗斯国防工业综合体相关的公司和高管,涉及
...[详细]
-
截至10月28日10时,16座万亿城市发布前三季度经济运行情况,11座城市GDP增速超过全国水平。其中,南通以6.3%的GDP增速暂时领跑其他城市;广州GDP增长最慢,前三季度增速为2.0%。
...[详细]
-
当地时间10月28日凌晨,在美国俄勒冈州波特兰地区和华盛顿州温哥华附近,至少两个总统大选投票箱因被放入“燃烧装置”而起火,导致数百张选票被损坏。 据悉,美国官员正在对该事件展开调查。央视记者 曹
...[详细]
-
当地时间10月29日,马斯克视频出席在沙特利雅得举行的第8届未来投资倡议FII)峰会。 马斯克表示,计划两年内向火星发射SpaceX重型运载火箭“星舰”,可能会在这两年后将人类送往火星。 马斯
...[详细]
-
如果有一项技术,能让失去行动能力的人重新拿起水杯,也能让重度抑郁者的大脑重回平静,甚至能让人类仅凭“意念”就操控各类设备——这听上去是否像遥远的科幻?但这其实是脑科学与脑机接口正在书写的现实。对于教育
...[详细]
-
据总台记者消息,自当地时间10月29日上午以来,以军在加沙地带的袭击已致143人死亡,其中132人死于加沙地带北部地区。 以色列方面对此暂无回应。总台记者 李享)点击进入专题: 巴以冲突加剧
...[详细]

玩雪不能超过这个时间!失明不是危言耸听
网传“辛芷蕾翟天临疑似分手”引发热议,女方回应
新年这一天,郑丽文呼吁赖清德:不要投资战争