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巴中市某某环保机械设备厂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,港中巴中市某某环保机械设备厂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
-
- 以军空袭上百处黎真主党火箭弹发射场
- 黎巴嫩真主党称两度袭击以北部一军事基地
- 新款凯迪拉克凯雷德即将首发,前脸变化大,内饰换装大型显示屏
- 马拉松之王基普乔格:跑赢人类极限,却逃不过网暴
- 台风“普拉桑”强度缓慢增强 将于19日下午至晚上登陆浙江沿海
- 以军轰炸加沙地带多地 造成至少35人死亡
- 以军轰炸加沙地带多地 造成至少35人死亡
- 入夏第一件短袖,试试它!
- 沪指跌破2700点 下跌个股超4500只
- 想要不费力的高级时髦 ,试试这样穿
- WTT沙特大满贯陈梦战胜队友孙颖莎夺冠
- 巴西2024年登革热死亡病例升至2451例
- 松下为携家人驻华的日籍员工提供临时回国安排
- 白色系穿搭在夏季有多受欢迎?看这些搭配就知道了,清爽又显品位
- Bella Hadid闻起来真香!
- 大众“走丰田的路”,加码混动车
- “停止杀害平民”,联合国协调员谴责以色列
- 比亚迪又出新车,长5180mm,搭载3个电机,竞争保时捷帕拉梅拉
- 阔腿裤失宠了 !今夏流行穿“鱼排裤”,配露脐装、衬衫时髦又显高
- 四五十岁女人,夏天穿裙子别配运动鞋,太土!换成这3种鞋更高级
- 搜索
-