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黄石市某某橡塑制品服务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,港中黄石市某某橡塑制品服务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)
- “京彩灯会”亮灯 自贡灯会时隔36年再度大规模亮相京城
- 58岁前中国乒乓球选手曾之颖获巴黎奥运会参赛资格
- 以生态为底起笔未来,前滩中央生活区(CLD)重磅落地
- 以军无人机空袭黎巴嫩南部 致一名真主党成员死亡
- 25基点“巨亏”,50基点“恐慌”!面对市场逼宫,美联储今晚如何降?
- 创作的内容被“搬运” 旅游博主停更三年
- 俄罗斯官员:日本若修改和平宪法俄方将反制
- 可持续时尚很棒,但……
- 教育部原党组副书记、副部长杜玉波接受审查调查
- 从小草房到500强,奇瑞获选“全国企业文化最佳实践企业”
- 戒酒后,肝功能还能恢复吗?
- 范志毅帮你砍价到10.98万 荣威D5X DMH上市
- 以军空袭上百处黎真主党火箭弹发射场
- 长期不吃晚餐的人会怎样?身体或伴随3大危害,现在知道还不晚
- 乌否认在部分地区冻结冲突报道
- 儿童食物过敏15个常见问题,北医三院儿科专家解答
- 拼多多一季度营收增1.3倍:跨境业务还在打硬仗,不会刻意平滑财报数据
- 《狐妖小红娘·月红篇》今晚开播,大家能否打个翻身仗?
- 茅台“信仰”又现动摇 明星基金经理有减有增
- 签运不佳首轮对阵兹维列夫,纳达尔最后一届法网能走多远
- 通缉泽连斯基,俄罗斯有何用意? views+
- 北京海淀大悦城项目计划本月完工 views+
- 玩转城市体育节|一场“奇幻时装秀”,四个故事、四段人生 views+
- 刚从法国回来的儿子,失踪20多天了!浙江夫妻悬赏10万寻人 views+
- 立夏最不能错过的一蛋、二粥、三鲜、四果 views+
- 体坛联播|皇马逆转杀入欧冠决赛,辽篮胜广东将迎抢五大战 views+
- 在工作群与上司争吵?下属犯错未及时处理?男子两次“违纪”被开除 views+
- 北马其顿举行议会及第二轮总统选举 views+
- 杭州通报“叫花鸡里没有鸡” views+
- 15万人迎接巴黎奥运会火种抵法,奥运火炬开启法国境内传递 views+