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南阳市某某水泥制品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,港中南阳市某某水泥制品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。
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)
-
台风“摩羯”已由强台风级减弱为热带风暴级,但受台风影响,目前,我国南部沿海地区部分路段、港口和机场仍处于封闭停运状态。台风的到来往往伴随着狂风暴雨,公众如何防御台风,怎样尽量减少台风带来的灾害?这 ...[详细]
-
新京报讯 9月6日晚,西部战区发布消息,就多个传言进行辟谣,并表示“网络不是法外之地!制作传播涉军谣言当止!” 图片均来自西部战区 ...[详细]
-
澎湃:国足中后场基本确定&锋线搭配待确定 踢日本打好开局是重点
直播吧9月4日讯 9月5日,国足将在18强赛首轮客场对阵日本。据澎湃新闻网报道,国足的中后场组合基本确定,目前锋线组合仍待确定。对于国足而言,打好开局将是此役的重点。技战术方面,伊万将沿用36强赛最后 ...[详细] -
9月3号内地电影市场再创新低。暑期档过后,内地电影市场票房是王小二过年一年不如一年,9月3号内地单日总票房竟然不到3000万,没有一部新片日票房破千万,冷清成为主流。剑指4亿?《重生》不声不响成为最大 ...[详细]
-
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]
-
北京放映|2024.9.3周二今天是抗战胜利纪念日,电影资料馆艺术影院为大家特别带来由陈国富、高群书执导的中国首部谍战巨制《风声》,著名作家麦家小说改编,豆瓣8.4高分推荐。影片叙事悬疑凝练,全明星阵 ...[详细]
-
澎湃:国足中后场基本确定&锋线搭配待确定 踢日本打好开局是重点
直播吧9月4日讯 9月5日,国足将在18强赛首轮客场对阵日本。据澎湃新闻网报道,国足的中后场组合基本确定,目前锋线组合仍待确定。对于国足而言,打好开局将是此役的重点。技战术方面,伊万将沿用36强赛最后 ...[详细] -
黑崎久志谈国足中场:侧重防守,核心球员李源一和远藤航风格相似
直播吧9月4日讯 今日,前西海岸主帅黑崎久志继续在日媒“日刊现代Digital”个人专栏发文,对国足中场进行分析。文章题为《18强赛首战强敌中国队的真面目中篇)——从中场开始就保持防守态势,坚守的目标 ...[详细] -
中新网8月31日电 据路透社消息,当地时间30日,一架消防直升机在葡萄牙杜罗河地区坠毁,导致4人遇难,另有1人失踪。杜罗港务局指挥官兰普雷亚透露,飞机在坠毁时已经断成两截,救援人员在坠毁的飞机内部和尾 ...[详细]
-
3日训练结束后,日本国脚伊东纯也接受了日本媒体的采访。谈重返国家队伊东纯也表示:“虽然是久别重逢,但这是最后阶段的世预赛,我想尽力为球队贡献力量。”谈与森保一的交流伊东纯也表示:“教练也在看我在法国的 ...[详细]