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揭阳市某某母婴用品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,港中揭阳市某某母婴用品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)
-
教师节才过去,一位女教师就因为家长的一个网络举报而引起全网关注。有的人在谴责这位家长的机关算尽,心思阴狠;有的人在指责这位女教师没有底线,应该被开除。而现在,尽管教育局做出了回应,但是还是没有给出最后 ...[详细]
-
金球奖候选名单即将公布:梅西第17次入围?C罗连续2年落选?
北京时间9月4日,2024年金球奖候选名单将在当地时间今晚公布,谁能入选?敬请关注。今年是金球奖第一次与欧足联进行合作,不过奖项命名权和投票权都还是属于《法国足球》,欧足联只是挂了一个名儿而已,“欧洲 ...[详细] -
在北京时间9月2日发布的 中,来自山东泰山队的球员王大雷与谢文能参与到了与球迷的电话互动中。在与球迷进行电话沟通前,《解锁之旅》主理人孙雷先是询问今年23岁的谢文能是否认识杨昊,后者表态自己眼熟但并不 ...[详细]
-
国足官方发布18强赛宣传片,口号为“我们一起 铸梦26”。2026年世界杯预选赛亚洲区第三阶段(18强赛)即将开打,中国队首战将客场对阵日本队。今日,中国足球队官方发布了国足18强赛宣传片,口号为“我 ...[详细]
-
皮肤瘙痒、涕泪横流、呼吸不畅……季节交替时节,过敏体质人士备受困扰,甚至有部分人感到秋季过敏比春季来得更猛烈一些。 ...[详细]
-
今天9月7日),财政部、应急管理部紧急预拨2.7亿元中央自然灾害救灾资金,重点支持海南、广东、广西、云南等省区)做好防汛防台风、抗洪抢险救灾工作,用于搜救转移安置受灾人员、排危除险等应急处置、开展 ...[详细]
-
播放破5亿,还在涨,1集45分钟,就有100个笑点!细扒这剧真牛啊
如果国产影视出海有段位,那古偶剧,绝对是独一档的存在。早在五年前,中国古偶剧,就占据了东南亚影视的半壁江山。泰国越南新加坡的视频平台,常年被中国古偶剧霸榜。国产古偶之所以广受外国观众欢迎,原因有二。一 ...[详细] -
9月3日,出道近40年的台湾艺人林美秀上综艺时透露,自己患血友病已经向老公交代后事。林美秀:我死后小14岁的老公张熙明可以再娶,葬礼放轻松一点的音乐。今年6月,林美秀迎来了属于她的57岁生日。她在蛋糕 ...[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]
-
文案|一纸枕书编辑|酒酱紫我想很多观众对于今年暑期档电影的表现感到失望。除了《抓娃娃》之外,《解密》、《逆行人生》等备受瞩目的热门影片全都是“雷声大,雨点小”,让观众看得不够尽兴。但是别急,因为真正的 ...[详细]