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邢台市某某生态科技业务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,港中邢台市某某生态科技业务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:热点)
- 单车盈利仅8450元!上半年销量最高的比亚迪,为何单车利润低呢?
- 韩国9部门对华城电池工厂火灾原因展开联合调查
- 辽宁2024高考分数线公布
- 嫦娥六号降落伞打开
- 卫衣+半裙=金秋王炸穿搭!显瘦减龄,谁穿谁好看!
- 研究生数是本科生的37倍!读研还值得吗?
- 145岁上海交响乐团发布新乐季:大咖云集,群星璀璨
- 俄总统助理:没有俄方参与无法解决乌克兰冲突
- 欧文沈阳行中街大秀翻车 球迷怒骂安踏
- 台湾首现2例!冲上热搜的“日本脑炎”到底是啥病?
- 林葳,距离“本土持球大核”还有多远?
- 尚雯婕:争取一直做一个电子唱跳人
- 2024“湾区升明月”晚会,当成龙王力宏一出场,中国式浪漫破防了
- 大力弘扬教育家精神|左秀红:以爱之名 为爱出发
- 以军对黎巴嫩首都贝鲁特发起打击
- 腾讯不再“只看钱”后,有什么新剧值得看?
- 教育孩子,这些误区,你避开了吗?
- 研究生数是本科生的37倍!读研还值得吗?
- 哈兰德杀疯了!狂喷塔帅保持谦虚,怒骂热苏斯,用球砸加布后脑
- 官宣!河南省2024年高考分数线出炉
- 大数据分析盘点 中秋假期“网红”打卡地“上新” views+
- 【青春华章】巍巍南开·肇始 views+
- 周星驰御用配音石班瑜去世 views+
- 孵化“鸡”遇 views+
- 墨西哥贩毒集团爆发冲突 已造成32人死亡 views+
- 明夜起,北京有全市性降雨! views+
- 合肥监管部门回应仍在调查三只羊美诚月饼风波!称有后续通报 views+
- 男子饭店吃出“鸡皮排骨”?抚顺市监局通报 views+
- 传递真相!这些铁证揭开侵华日军的滔天罪行 views+
- 中秋过后的10个养生重点,为冬天打好基础! views+