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牡丹江市某某通信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,港中牡丹江市某某通信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)
- 最近发表
- 随机阅读
-
- 轻松一刻:一晃12年了,今天我过生日!
- 参加了4届奥运会,爸妈劝她找个稳定工作
- 中新健康
- 卷不动了?新势力“间接涨价”,车主:晚一天买多花8000元
- 北京先农坛庆成宫古建筑群重焕新生 未来将面向公众开放
- 最真实的留学生是什么样的?
- 人民体谈:让健身成为生活新常态
- 中新健康丨深圳健康活动月主推“科学运动 合理膳食”
- 北京香山论坛|乌克兰前第一副外长:欧洲安全面临这个两难问题
- 土耳其高速公路一大巴发生交通事故 已致9死26伤
- 林雨薇复活赛小组第6无缘半决赛
- 湖北一景区漂流艇侧翻致多名游客落水
- 新低!银行存款平均利率继续下跌
- 2024年安徽普通本科批高校投档波动分析(历史),总体大幅上升!
- 中新健康丨深圳健康活动月主推“科学运动 合理膳食”
- 拜登:如果特朗普输了,美国或无法实现权力和平过渡
- 乌:将“通过相关国家”向俄提交和平计划
- 接掌哈马斯后,辛瓦尔亮明立场
- 超九成受访者感到运动健身正成为生活新时尚
- 中医药非物质文化遗产集中亮相上海地铁 带民众近距离感受中医魅力
- 搜索
-