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厦门市某某洗涤用品培训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,港中厦门市某某洗涤用品培训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
- ·普京批准与伊朗签署全面战略伙伴关系条约的建议
- ·15万人迎接巴黎奥运会火种抵法,奥运火炬开启法国境内传递
- ·今起北京新开通医专线11路
- ·北京假期后开工首日阴天在线 西南部山区有小阵雨
- ·东北抗联精神 白山黑水间 这些民族英雄立起不朽丰碑
- ·天下奇观,莫斯科办展,美英请先看!
- ·北京假期后开工首日阴天在线 西南部山区有小阵雨
- ·从2024年一季报,看中国车企价格战之下的三种赚钱之道
- ·中秋假期北京营业性演出票房收入同比增190.4%
- ·中国气象局:全面提升防灾减灾救灾气象保障能力
- ·北京发布2024年度补充录用公务员公告
- ·北京假期后开工首日阴天在线 西南部山区有小阵雨
- ·惊!仅一篇文章解锁 2020
- ·德媒:乌军前线面临“局部崩溃”危险
- ·“五一”假期迎返程高峰 北京警方护航出行平安
- ·北京南站5月5日迎来返程客流43万人次 警方:客流量高峰将从下午2点开始
- ·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
- ·活力健身公园+1,顺义区将打造“国门绿道”
- ·五一档观众满意度调查出炉,《九龙城寨》表现亮眼
- ·机构:“五一”假期进出北京的国际机票预订量同比增长近1倍
- ·6名游客带娃从河北进山到北京十渡游玩途中迷路 北京消防连夜上山搜救
- ·毕业生档案被寄丢!快递公司赔2.5万元
- ·为何一季度净利增速低于营收增速?是否继续推进直销?贵州茅台逐一回应
- ·美方涉俄新制裁对象包括多家中国实体,中国驻美使馆发言人:坚决反对
- ·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
- ·楼市转机!北京楼市新政后,房东心态回归,二手房挂牌下降7000套