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漳州市某某通用机械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,港中漳州市某某通用机械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:综合)
-
穿衣就是不断的进行筛选的过程,每个人都要找到多款适合自己的服装,后续呈现出来的造型才最为和谐。女人会不会穿衣区别真的很大,那些很会穿衣的女性,她们懂得利用最为妥当的单品,让自己的形象更加的出色,让自己 ...[详细]
-
原标题:五一观澜|人气背后是活力,火爆“五一”展现经济景气) 中新网5月6日电(中新财经记者 李金磊)“这哪里是来旅游,分别是来‘攻城’”“日均5万步,原地踏步3 ...[详细]
-
△当地时间5月6日,加沙地带 当地时间5月6日晚间,以色列媒体援引以高级官员的话称,以色列停火谈判小组不久前收到了相关斡旋方关于巴勒斯坦伊斯兰抵抗运动哈马斯)同意停火的反馈,将对此进行仔细评估。此外 ...[详细]
-
新华社北京5月7日电 财政部近日下达1582亿元资金,比上年增加23亿元,引导和支持地方进一步巩固完善城乡统一、重在农村的义务教育经费保障机制。这是记者7日从财政部了解到的。据介绍,下达资金着力在三方 ...[详细]
-
越来越多低龄儿童进行牙齿矫正,可能让孩子身心健康面临多重风险。河南省儿童医院口腔科主任医师裴蓉在接受采访时表示,一部分家长在遇到孩子牙齿发育过程中出现的一些“异常”现象时,容易产生恐慌心理。但也有另一 ...[详细]
-
当地时间5月6日,俄罗斯别尔哥罗德州州长发布消息称,乌军无人机袭击了别尔哥罗德州别列佐夫卡村“别尔哥罗德农业集团公司”员工车辆。袭击目前已造成6人当场死亡,包括2名儿童在内的35人受伤。 乌克兰 ...[详细]
-
每经记者 黄婉银 每经编辑 陈梦妤 泡沫褪去,二手房价格正在逐渐回归健康状态。 《每日经济新闻》记者了解到,近期广州多个“老破小”二手房小区成交异常快速,不少房源十几天就可成交,个别挂牌一两天 ...[详细]
-
每经记者 任飞 每经编辑 叶峰 4月,在部分权益题材带动之下,一些混合型基金的业绩靠前,在公募FOF基金中的基金)领域,养老目标型基金头部业绩当月超过4%。 总体来看,有色、港股科技条线等是助 ...[详细]
-
中新网8月31日电 综合日媒报道,台风“珊珊”从日本九州地区登陆后持续西进,包括东京、大阪等多地都出现大风暴雨天气。据日本广播协会(NHK)统计,截至当地时间31日凌晨,本轮台风天气已造成日本全国6人 ...[详细]
-
来源:财联社 财联社5月1日电,南京住房公积金管理中心5月1日发布《关于南京都市圈住房公积金贷款和提取政策的通告》,涉及贷款、购房提取和还贷提取。主要内容包括:①支持南京都市圈缴存职工在南京购房 ...[详细]