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
我要评论近日，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七台河市某某超声设备有限责任公司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，港中七台河市某某超声设备有限责任公司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
相关文章
近期，一位深耕教育领域的老友与我分享了一段他的亲身经历：他的孩子因迟到被罚站，面对这一情境，他没有急于责怪老师，而是选择了一条更为细腻与理智的道路——先与孩子进行了一场心贴心的对话，探寻迟到的缘由。随2024-09-17
巴黎奥运健儿们连续3天的访港活动结束，霍启刚也在个人账号发文，放出20年前国家队第一次访港的珍贵照片。在国家队访港的照片之中，“霍憨憨”特意挑了一张自己和郭晶晶在巴士车上的合影照。霍启刚晒与郭晶晶合照2024-09-17
宋慧乔意外卷入丑闻！被质疑帮刘亚仁脱罪，为他专门拜访不同律师
韩星刘亚仁涉毒案判决结果出炉了。从2023年2月到2024年9月，经历了一年零7个月的调查审理，韩国法院确认刘亚仁违反毒品类管理法，本人涉毒且教唆他人涉毒、教唆他人毁灭证据，因此判处刘亚仁有期徒刑1年2024-09-17
2米24神塔转战CBA？媒体人：有部分CBA球队给博班开出了报价
直播吧09月04日讯 据媒体人@江南的城报道，消息源透露，据他向相关经纪公司了解，近期有部分CBA球队对NBA内线球员博班-马里亚诺维奇给出了报价，目前CBA球队和欧洲的部分球队都在等待博班的选择。博2024-09-17
总台记者9月9日获悉，越南受台风“摩羯”影响发生的各种灾害已致该国68人死亡。 受台风“摩羯”影响，越南北部近日来持续暴雨，安沛、太原、北件等北部山区省份发生洪水灾害，多个城市市区被淹，部分地区2024-09-17
直播吧9月4日讯 据英媒《METRO》报道，伊恩-赖特在播客中接受采访时认为斯特林对于阿森纳来说是一笔非常好的交易。斯特林与阿森纳达成了为期一个赛季的租借协议，在切尔西度过了两年平淡的时光之后，他渴望2024-09-17
最新评论