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佳木斯市某某搬家有限公司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，港中佳木斯市某某搬家有限公司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
当地时间9月17日，墨西哥国防部通报，该国北部锡那罗亚州两大贩毒集团马约斯Los Mayos）和查皮托斯Los Chapitos）于9日开始爆发武装冲突，目前已造成32人死亡，其中包括2名士兵和32024-09-21
爱德华兹：先赢4场的球队才能晋级 下一场我们有更多的困难要面对
直播吧5月7日讯 今天结束的一场NBA季后赛，森林狼在客场106比80击败掘金，系列赛大比分2比0领先。赛后爱德华兹接受了媒体的采访。谈到球队2比0领先时，爱德华兹表示：“系列赛不是先赢两场的球队晋级2024-09-21
直播吧5月7日讯 在4-2战胜热刺后，利物浦中场埃利奥特在接受俱乐部官网采访时表示，球队是带着计划来到比赛的。关于对阵热刺的胜利，这令人感到愉悦埃利奥特：“是的，绝对是，我们来到这里真的是为了救赎，特2024-09-21
IT之家 5 月 7 日消息，黑洞自被发现以来，一直因其强大引力效应让光都无法逃逸的特性而令世人着迷。近日，美国宇航局 (NASA) 发布了一段 360 度沉浸式视频，带领观众探索黑洞内部，感受连光线2024-09-21
[王艺迪进女单决赛]今天，2024WTT澳门冠军赛女单半决赛，王艺迪@迪214 4比0战胜@王曼昱 ，成功晋级。稍后的比赛中，孙颖莎将与日本选手张本美和展开对决，争夺决赛门票。期待国乒姑娘会师冠军2024-09-21
姆巴佩自宣离队：不会与巴黎续约北京时间11日凌晨，姆巴佩发视频宣布自己不会与巴黎续约。姆巴佩在视频中表示，这就是我在巴黎的最后一年，我不会续约，我在巴黎的旅程将在几周内结束。我将在周末在王子公园球场为2024-09-21
最新评论