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枣庄市某某教育科技有限责任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,港中枣庄市某某教育科技有限责任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:热点)
-
工作人员正在拆解飞机8月30日,空中客车飞机全生命周期服务中心(以下简称“服务中心”)的机库里,一架空客A330-200静静地停放着,巨大的机翼下面,发动机已经拆卸完成,只留下空荡荡的机身。这架飞机是 ...[详细]
-
摘要:C919至今已累计安全飞行超1万小时,执行商业航班超3700班、承运旅客突破50万人次大关。“祝贺您幸运地成为国产大飞机C919第50万名旅客!”9月1日,在MU9188“成都天府-上海虹桥”航 ...[详细]
-
亲!由于微信平台算法改版,公号内容将不再以时间排序展示,如果您想第一时间看到我的推送,强烈建议星标我的公众号。星标具体步骤为:在公众号主页点击右上角的小点点,在弹出页面点击“设为星标”,就可以啦。感谢 ...[详细]
-
8月14今日正式进入末伏,由于夏季雨水丰沛,湿气较重,如果养生不当,很容易导致湿邪久困于人体内而滋生疾病。进入伏天“末班车”,北京中医药大学东方医院营养科主治医师魏帼提醒,人们可以趁此机会祛除体内寒气 ...[详细]
-
版权声明:本文版权为网易汽车所有,转载请注明出处。网易汽车9月3日报道 今日,小鹏汇天举办“陆地航母”飞行汽车超前品鉴会,分体式飞行汽车“陆地航母”实车首次在广州亮相,并进行了公开试飞,演绎未来新物种 ...[详细]
-
2024年8月29日新房成交310套、二手房740套;涨价房源103套
根据北京市住房和城乡建设委员会数据显示,2024年08月29日北京新建商品房成交310套,较昨日持平。近一周北京新建商品房日均成交251套。08月29日单日成交310套,高于近一周平均水平23.5%。 ...[详细] -
最近,国产游戏《黑神话:悟空》爆火,为了游戏通关,不少人不惜点灯熬油,费尽心思地在游戏中渡劫过难,熬夜、久坐,令一部分游戏爱好者头晕目眩。首都医科大学附属北京胸科医院中医科主治医师李波提醒,一旦游戏过 ...[详细]
-
2024年8月28日新房成交310套、二手房735套;涨价房源113套
根据 北京 市住房和城乡建设委员会数据显示,2024年08月28日北京新建商品房成交310套,较昨日增加40套,环比上涨14.8%。近一周北京新建商品房日均成交236套。08月28日单日成交310套, ...[详细] -
晚上好啊。上次发了后,我在评论区问大家下一期想看啥,好多小伙伴投票白裤子,好的,安排!▼于是逛街小分队再次出动!在历时约9小时,试穿了20+个牌子、近50条白裤子之后,大家不约而同表示:以前就知道白裤 ...[详细]
-
今天“干废”了一双眼整理出了朝阳区总价约三、四百万两居带电梯的二手房源汇总,表格从小区名称、片区、面积、挂牌参考价和朝向……这几个方面进行了总结。具体详情请看下图:同样我们还整理了几十个朝阳区新盘小区 ...[详细]