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广西某某餐具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,港中广西某某餐具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:热点)
-
△资料图 苏丹地方组织阿布古塔抵抗委员会15日说,该国中部杰济拉州一村庄当天遭苏丹快速支援部队炮击,造成至少40人死亡。 阿布古塔抵抗委员会在声明中说,苏丹快速支援部队当天向杰济拉州一个村庄发动炮 ...[详细]
-
5月17日下午,国防部新闻局副局长、国防部新闻发言人张晓刚大校就近期涉军问题发布消息。 记者:菲总统近日声称,无意挑起或加剧南海紧张局势,不会使用水炮或任何进攻性装备攻击任何人。但媒体报道今年美 ...[详细]
-
第二十六届上海国际电影节迷你电影单元今日公布导师团阵容,知名摄影师、摄影指导赵小丁出任导师团主席,编剧贾佳薇,英国编剧、导演罗飞,动画导演王卯卯,导演邬浪按姓氏拼音首字母排序)担任导师,共同助力发现新 ...[详细]
-
脸上长斑烦恼?试试这样食疗调理2024-05-24 10:22:49 来源:广州日报 作者:唐炜妮 ...[详细]
-
中国国航首架C919由沪抵京:记者深度体验 国产大飞机商飞步入新阶段
来源:证券日报8月29日,国航首架C919国产大飞机降落北京首都国际机场后缓缓滑行穿过“水门” 新华社记者 李贺/摄“您今天所搭乘的是C919国产大飞机。”这是8月29日《证券日报》记者在一架从上海浦 ...[详细] -
中医护眼有妙招中医养生)2024-05-24 09:53:31 来源:人民日报 作者:唐炜妮 ...[详细]
-
考了复旦大学400+最后上了中国传媒大学(嗯?)|新传考研经验帖
@TuTouSuo™️*小红书:秃头研究所新传考研*2025经验帖专栏:首先恭喜2024届的赛博朋友们成功上岸,过去的一年时间里我们曾一起“以理想入世,对抗荒谬世界”,如今一切都已尘埃落定。这一路,你 ...[详细] -
5月24日晚,从亚足联传来消息,在阿联酋艾因举行的工作会议期间,亚足联竞赛委员会批准了有关中国足协承办2025年U20男足亚洲杯的动议。按照程序,该动议在经亚足联执委会通过后,将成为最终决议。这样一个 ...[详细]
-
据中国海事局网站消息,青岛海事局发布航行警告,8月29日12时30分至14时,黄海部分海域预计有火箭残骸掉落,禁止驶入。 ...[详细]
-
上海国际电影节的“影史推荐”展映单元正式诞生于2019年,该单元旨在回顾浩瀚影史,在全球范围内遴选具有重要影响力和代表性,且恰逢周年纪念的作品,让观众通过欣赏这些佳作来重新发现、定义经典。今年的“影史 ...[详细]