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海南某某通信设备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,港中海南某某通信设备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
(责任编辑:探索)
- 欧冠:博洛尼亚0
- 业界:以ESG创新实践引领化妆品行业可持续发展
- 大国外交最前线
- 消费体验升级 点燃“假日经济”新动能
- 北京开展碳排放配额有偿竞价发放
- 广西实施水稻增密增穗三年行动
- ???????֧?ֿ?չ???и???ʾ??????
- 如何提高产业和就业帮扶实效(政策问答·推进乡村全面振兴)
- 中秋假期北京营业性演出票房收入同比增190.4%
- 世界首例自体再生胰岛移植成功,25年糖尿病病史患者被治愈
- 除了火爆的小红小绿,2024北京车展还有什么?
- 国家野外科学观测研究站观测技术规范宣贯与应用研讨会在京举办
- 今年中秋夜可赏超级月亮 全国赏月地图请查收→
- ??ʵά??ũ??Ⱥ?ںϷ?Ȩ?? ??????ʳ??????ȫ
- 三只羊中秋节给员工发美诚月饼
- 超燃!我国将进入“三航母时代”!
- 广西实施水稻增密增穗三年行动
- 不负青春韶华 “流动中国”绽放奋进风采
- 岑浩辉成为澳门特区第六任行政长官选举唯一被提名人
- 汽车“以旧换新” “换”来市场新机遇
- 王健林,大消息! views+
- 辽宁葫芦岛持续做好抢修救援 尽快恢复电力、通信 views+
- 雏鹰护航禁毒行 共圆少年英雄梦 views+
- TTS400+秋日答题班:真的会有言灵魔法!!!我们都会成为研究生!!!! views+
- 崩溃!多校考研报考资格有变化! views+
- 俄称“高加索”港遭袭渡轮已沉没 views+
- 中国篮协发布处罚通知 新疆男篮多人被停赛 views+
- 鲍威尔重磅发声!美股直线大涨,黄金、白银猛拉! views+
- 呼唤朴素的“开学礼” views+
- “妈妈退下了”,母乳袋上百字小作文被1.1w人吐槽:又是自我感动 views+