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黄冈市某某商贸厂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,港中黄冈市某某商贸厂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:热点)
-
立秋后,暑热还在盛行,仍处于长夏之时。在这样一个季节交替的时间节点,应该如何做好养生?江苏省中医院呼吸与危重症医学科主任中医师魏瑜在接受采访时介绍,长夏逐渐过渡至初秋,气候特点由湿热转至温燥,所涉脾、 ...[详细]
-
学校代码:14066一、招生对象1、面向5+2城区招收优秀的应届初中毕业生。2、面向温江区招收优秀的应届初中毕业生。二、招生计划1、面向5+2区域招收2-3个班。2、面向温江区招收316人含直升生)。 ...[详细]
-
美国百老汇原版经典音乐剧《芝加哥》盛演近50年,横扫国际各大奖项,至今已在全球热演超35000场。今夏,一场百老汇式的歌舞狂欢如“乐”而至,再次引爆申城。6月19日,《芝加哥》登陆上海北外滩友邦大剧院 ...[详细]
-
来源:上游新闻 北京时间6月19日晚9点,欧洲杯小组赛B组第2轮克罗地亚对阵阿尔巴尼亚。上半场,阿尔巴尼亚拉齐头球攻门,利瓦科维奇扑救失误送礼。下半场,当天过生日的克拉马里奇扳平比分,阿尔巴尼亚 ...[详细]
-
浙大毕业生杨瑾闻申请赴美留学,看到专业后,网友:不会回来工作
↑↑↑关注柳叶刀学术↑↑↑在当今社会,留学已成为许多大学生追求更高学术研究和全球视野的一种方式。浙江大学毕业生杨瑾闻的故事,就是这样一个引发广泛讨论的案例。她以优异的成绩和鲜明的个人形象,成为了毕业季 ...[详细] -
颁奖典礼结束后,杨梦石逐渐忙碌起来,给奖杯拍照、与评委合影、发短信告知朋友......比赛之前,杨梦石没考虑过作品能否获奖的事情,但他与团队一同设计的“徒步-湖溪两用户外鞋”颇受好评,最终拿下了鞋品组 ...[详细]
-
喝苏打水,真的能中和胃酸吗?2024-06-18 10:28:50 来源:扬子晚报 作者:刘阳禾 ...[详细]
-
出汗是一种正常的生理现象,尤其是在天气比较炎热的夏季,更容易出现大汗淋漓的感觉。 但无论在任何季节动不动就一身大汗,就应该引起大家的高度警惕了,因为这可能和某些疾病息息相关,可以去医院做一下检查 ...[详细]
-
当地时间8月31日,据美国媒体报道,一项新研究发现,美国国家航空航天局“双小行星重定向测试”航天器于2022年撞击一颗近地小行星时产生的岩石碎片,可能会形成一场能够持续100年的人造流星雨。研究表明, ...[详细]
-
东京奥运会夺冠之后,女子重剑个人赛冠军孙一文将自己的行李打包,寄回了家里。这是她每一届奥运会结束后的规定动作,当然最终的结果是,每一次打包好的行李又原封不动地带回了国家队。巴黎奥运会临近,孙一文6月1 ...[详细]