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呼和浩特市某某机电设备维修网点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,港中呼和浩特市某某机电设备维修网点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。 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]。 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
图 | 论文作者黄旭函(来源:黄旭函)
图 | 相关论文(来源:arXiv)
-
上一篇
-
下一篇
- 最近发表
- 随机阅读
-
- 4个小学生没举手敬礼,让很多人暴露了,事实证明少先队教育不足
- 专家:自身修复能力下降 中老年人群更易罹患腰椎间盘突出症
- 湖南涓水湘潭县两处损毁堤坝均已完成修复
- TTS新传名词解释:算法落点|网络前沿词汇(小册子有!!)
- 牙齿矫治要趁早?6个儿童误区了解一下
- 当心“甜蜜陷阱”!孩子暑期减糖这样做|健康过暑假
- 以军打死黎真主党精锐部队一名指挥官
- 体操:拜尔斯跳马强势夺冠 菲律宾首夺体操奥运金牌
- 2024广州马拉松赛12月开跑 报名即将启动
- 父母越没本事,越喜欢在家做这3件事,毁掉子女的未来还不自知
- 俄罗斯一居民楼局部坍塌事故已致10人死亡
- 热带风暴“黛比”生成 向美国佛罗里达州持续移动
- 天津机场通报无人机导致航班延误
- 中国队游泳项目2金3银7铜收官
- 三大指数全线翻红
- 早田希娜4
- 国内首个飞机拆解循环利用项目启动
- 一个月蹦出4个国产Sora:“拍个手”集体阵亡
- 江西一考生被南昌工学院录取,父母办升学宴庆祝,评论区不见祝福
- 陈梦晋级 马琳哭了
- 搜索
-