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辽宁某某投资咨询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,港中辽宁某某投资咨询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。 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
-
- 驴友因天色昏暗下山时迷路,北京门头沟消防一夜营救7人
- 哈马斯消息人士称加沙停火谈判正走向破裂
- 也门液化气站爆炸事件已致5人死亡
- 中新真探:夏天天气炎热,就没有失温风险?
- 香港武打演员徐少强9月初在北京离世,小他30岁的太太也相继离世
- 谴责美国干涉主义政策 洪都拉斯拟退出与美引渡条约
- 临近开学,家长群炸了!孩子住宿还是走读?看完这篇再也不纠结了
- 人大附中经开区学校校长王教凯:铭心强国,守朴抱真|开学致辞
- 联合国呼吁黎以双方保持克制 降低紧张局势
- 川渝再度连续高温,“电荒”危机会否重现
- 新势力车企裂变多个梯队,混动已成头部阵营共性
- 美国海军宣布!“解除职务”→
- 明夜到后天,北京有全市性降雨!北风起,气温骤降
- 雅思长难句解析(103)
- 屡禁不绝!携程、小红书等仍在高价售卖“黄牛”门票
- 自己的生活如此苟且, 孩子怎会有诗和远方?
- 北京今明天云量增多早晚偏凉 中秋夜或有小雨影响赏月
- 中国游客在澳洲珀斯遭当地华人包车司机恶意甩团!总领馆提醒
- 吉利上半年财报的秘密都在这儿
- 泽连斯基称乌东部战局“极其艰难”
- 搜索
-