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鄂州市某某超声设备运营部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,港中鄂州市某某超声设备运营部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:焦点)
- 民生银行新董事会,又有两名董事被限制投票
- 库里:詹杜库的运动寿命绝非偶然 有很多东西人们是看不到的
- 台风摩羯已致3死95伤 大量用户电力、通信中断
- 何超琼给奥运健儿送小狮子,马龙抱着合影,全红婵被特殊对待
- 美国众议院通过法案 加强总统候选人安保
- 赖特:斯特林是非常棒的一笔签约,他很适合阿森纳的球衣
- 国足官方发布18强赛宣传片:我们一起,铸梦26
- 巴西队新一期球衣号:维尼修斯7号,恩德里克9号,罗德里戈10号
- 轻松一刻:一晃12年了,今天我过生日!
- 邮报:去年12月默塔夫就去中东谈卡塞米罗,关窗前都没收到报价
- 以军称袭击黎南部军事目标 黎真主党称炮击以军基地
- 美国近期65人感染沙门氏菌 均与问题鸡蛋有关
- 黎巴嫩东部村镇遭袭 致1死4伤
- 天呐,看到章子怡和陈红2008年的合影,才懂陈凯歌为啥说一见钟情
- 北京拟新开3条省际客运班线:两条到河北,一条通山东
- 57岁林美秀患血友病交代后事:死后小14岁的老公可以再娶
- 蝴蝶姐姐官宣怀孕,孩子爸是上海医生,罗志祥经纪人送祝福
- 霍启刚晒与郭晶晶合照:难忘20年前的相聚,改写了我的一生
- 北京市市场监管局曝光3起涉食品安全典型案例
- 高分谍战巨制,献给那时代最可敬的人!
- 离职员工遭“职场霸凌”?华熙生物:恶意炒作 views+
- AI科技守护历史,重现永乐宫壁画八百年前真貌 views+
- 巴菲特再捐53亿美元股票,称子女将管理99%遗产 views+
- 又有多只基金大额赎回 部分A类份额也未幸免 views+
- 美日韩联合军演开始,美核动力航母参演 views+
- 日本驻上海总领事向胡友平致唁电 views+
- 正能量微短剧《寻AI高考》 views+
- 高考屏蔽考生成绩,仍阻止不了清北抢人大战,花样频出手段太卷了 views+
- 时隔两年重启,这场“国家级竞赛”谁胜出了? views+
- 四川宜宾市长宁县发生3.1级地震,震源深度9千米 views+