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连云港市某某商贸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，港中连云港市某某商贸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。
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
国投电力600886.SH）9月17日公告，拟以12.72元/股的发行价格向全国社会保障基金理事会下称社保基金会）发行550，314，465股A股股票，交易金额不超过70亿元。募资扣除相关发行费用2024-09-20
【市场数据】截至5月27日收盘，上证综指涨1.14%，报3124.04点；科创50指数涨1.57%，报738.65点；深证成指涨0.88%，报9507.75点；创业板指涨0.68%，报1830.96点2024-09-20
@TuTouSuo™️*小红书账号：秃头研究所新传考研/秃头研究所Monsters*如果你觉得自己读论文太过于盲目，不知道从哪里开始；如果你也想要通过碎片化的时间来补充和拓展知识储备；如果你想要一份直2024-09-20
据央视新闻28日消息，当地时间5月27日，美国联合航空公司美联航）的一架飞机在芝加哥奥黑尔国际机场起飞时引擎起火。美联航表示，所有乘客均正常下机，没有人员伤亡报告。 当地时间5月9日，据路透社报2024-09-20
28岁女教师难找对象，家长疑惑“男孩都咋想的”，评论区扎心了
很多人都认为，女教师特别好找对象，“教师”这个职业就是加分项。单就职业来说，应该确实有不少父母希望孩子能和一个老师或者医生、护士结缘。基于“日久生情”的原则，男女教师很有可能处对象，然后成为学校的又一2024-09-20
作者：小番茄·主创团前几天，闺蜜打电话跟我抱怨：她儿子上小学六年级，马上就要升初中了，可是成绩却让她头痛不已。每天放学回家不是作业本找不到，就是玩手机、打游戏玩得不亦乐乎，平常写个作业也总要她三催四请2024-09-20
最新评论