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保山市某某工业设备业务部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,港中保山市某某工业设备业务部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:热门资讯)
-
原标题:填补月背研究历史空白!嫦娥六号挖回的月背土壤成分揭秘) ...[详细]
-
谈及父母与孩子之间的沟通难题,不少家长都会流露出一种深深的无奈。尤其是,当孩子以烦躁、不耐烦乃至直接反感的态度回应时,这份无奈便如同鸿沟一般,加剧了亲子间的疏离感。这样的场景,在许多家庭中几乎成了日常 ...[详细]
-
那天,阳光透过咖啡店的窗户,洒在我的桌面上,手机屏幕突然亮起,一段视频跃入眼帘。画面中,一个稚嫩的小女孩站在舞台中央,手中的小提琴仿佛是她与世界对话的桥梁,每一个音符都精准无瑕,流淌出如溪水般清澈的旋 ...[详细]
-
[文/观察者网 山猫]近日,美国海军CVN-71“西奥多·罗斯福”号航母打击大队于近日驶离中东结束部署。美国海军学会新闻网USNI News)在本周四9月12日)的报道中表示,一名美国国防部官员已 ...[详细]
-
9月17日,抚顺市顺城区市场监管局发布关于“鸡皮排骨”网络投诉调查通报。 9月16日21时许,接到投诉人网络投诉“鸡皮排骨”后,抚顺市、区市场监管局高度重视,连夜组织调查组深入涉事饭店开展现场调 ...[详细]
-
△韩方称朝鲜放飞的气球资料图) 韩国联合参谋本部当地时间14日晚通报称,朝鲜方面当天再次向韩方放飞气球。 韩国联合参谋本部表示,根据风向的变化,朝鲜放飞的气球有可能飘到首尔和京畿道地区。联合参谋本 ...[详细]
-
近4个月,蔡崇信增持了阿里巴巴股票约145万股。阿里巴巴8月28日正式完成香港双重主要上市。近日,据阿里巴巴披露,截至8月28日,阿里巴巴联合创始人、主席蔡崇信持有公司股票2.7675亿股,占比约为1 ...[详细]
-
新华社快讯:科摩罗总统府13日发布公报说,科总统阿扎利遇袭受轻伤。 ...[详细]
-
深圳市公安局南山分局9月18日通报,当日8时许,南山区招商街道辖内发生一起持刀伤害路人警情,致未成年人沈某受伤。接报警后,该局迅速组织力量到场处置,现场抓获嫌疑人钟某男,44岁),并第一时间协助1 ...[详细]
-
那天,阳光透过咖啡店的窗户,洒在我的桌面上,手机屏幕突然亮起,一段视频跃入眼帘。画面中,一个稚嫩的小女孩站在舞台中央,手中的小提琴仿佛是她与世界对话的桥梁,每一个音符都精准无瑕,流淌出如溪水般清澈的旋 ...[详细]