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白山市某某食品机械售后客服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,港中白山市某某食品机械售后客服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:休闲)
- 抓住暑假长高好时机 饮食起居讲究大!
- 转存!各地高考分数线已全部公布
- 同比下降21%!泰国游客避开韩国,首选中国和日本
- 68岁丰田章男在上海大秀车技,丰田GR嘉年华传递梦想的甲烷味
- 上汽乘用车俞经民 从安亭到安亭的回归之路
- 商竣程首次闯进草地赛八强,排名重返Top100挑战更强敌
- TTS夏日专题班:60个专题/40次作业点评/25万字专题笔记/学科模考!!
- 山区县域高中,全班49人48个高考过600分,他们是怎么做到的?
- 游戏玩得头晕目眩?试试这些中医小妙招
- “腰缠龙”也会影响听力!专家提醒重视预防这种“听力杀手”
- 商竣程首次闯进草地赛八强,排名重返Top100挑战更强敌
- 酷暑难耐游泳正当时 远离中耳炎、红眼病这样做
- 朱雨玲,欢迎回来
- 中国军团冲刺备战奥运:集体项目主打清一色“娘子军”
- 欧盟据悉将降低对自中国进口电动汽车拟议的加征关税
- 伊朗代理总统同俄罗斯总统通电话 讨论合作问题
- 新疆男篮宣布主帅邱彪辞职,前国手刘炜即将接替帅位
- 超20万人请愿弹劾尹锡悦,一场内斗难以避免
- 28岁女教师难找对象,家长疑惑“男孩都咋想的”,评论区扎心了
- 河北:一考生估分600实际397,查完分默默去做饭,家长回应超暖心
- 地母系美人,标准美女之外的力量感 views+
- 中印边境发生冲突有军人牺牲?西部战区辟谣 views+
- 超强台风级“摩羯”中心已于23时进入北部湾 views+
- 《慕胥辞》造型大翻车!热巴被嘲像反派后妈,陈飞宇像歌仔戏演员 views+
- 围棋“厚度”,三星杯本赛32强名单:中国队16人占半壁江山 views+
- 全红婵被男粉丝堵到厕所吓得直哭,工作人员被迫出来喊话疏散人群 views+
- 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 views+
- 巴雷特:被交易到猛龙时我掐了下自己 这真的就像梦想成真 views+
- 2024年暑期档六大票房惨案,徐峥成龙携手上榜,陈思诚新片亏4亿 views+
- 澎湃:国足中后场基本确定&锋线搭配待确定 踢日本打好开局是重点 views+