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
![](/skin/2018/images/text-message.png)
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合川市某某机械教育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,港中合川市某某机械教育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
相关文章
- 第十九届中国科技期刊发展论坛作为第二十六届中国科协年会北京学术周的重要组成部分于日前圆满落幕,活动以“平台支撑、集约发展——让更多一流期刊脱颖而出”为主题,与会嘉宾围绕优化期刊运营机制,释放发展动能,2024-09-08
- 中超官方宣布,上海海港前锋巴尔加斯当选中超第10轮最佳球员。在2024华润怡宝中超联赛第10轮比赛中,上海海港客场6-0战胜深圳新鹏城,跃居积分榜次席。比赛上半场补时阶段,巴尔加斯接到尤萨的直塞后在禁2024-09-08
- 近日,北京国安门将侯森参与了数字拍卖平台一念三善的落场球衣爱心拍卖活动,并接受了采访,在采访中谈到了帮助别人所带给自己的快乐。侯森表示:“能帮助大家,这种让别人快乐的时候,我觉得比自己快乐更重要。俱乐2024-09-08
媒体人谈U17女足:整体上具备了强队形态,这批球员都值得期待
直播吧5月7日讯 中国U17女足在亚洲杯小组赛3-0击败澳大利亚女足U17,媒体人傅亚雨发文点球球队的表现。媒体人表示:恭喜中国U17女足大胜袋鼠。姑娘们非常棒,整体上具备了强队形态,踢得极具侵略性,2024-09-08- 8月百城二手房价格下行,图为房产 资料图据中指研究院报道,根据中国房地产指数系统百城价格指数对全国100个城市新建、二手住宅销售市场及50个城市租赁市场的调查数据,2024年8月,百城二手住宅平均价格2024-09-08
- 近日,北京国安门将侯森参与了数字拍卖平台一念三善的落场球衣爱心拍卖活动,并接受了采访,在采访中谈到了帮助别人所带给自己的快乐。侯森表示:“能帮助大家,这种让别人快乐的时候,我觉得比自己快乐更重要。俱乐2024-09-08
最新评论