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电子商务有限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,港中黄冈市某某电子商务有限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
(责任编辑:娱乐)
- 这个“不喜欢足球”的法国国脚,改行打篮球了
- 注定会引发争议!英荷战裁判曾为300欧贿赂参与假球,被禁赛半年
- 座无虚席!70644人现场观战哥伦比亚对阵乌拉圭的美洲杯半决赛
- CBA重磅转会!贾磊:沈梓捷将加盟北控!
- 欧盟决定对中国电动汽车征收为期五年的最终反补贴税
- 媒体人:深圳男篮球员沈梓捷将加盟北控
- 青岛男篮回应:不放杨瀚森出去属谣言 NBA中国邀请8月赴澳特训
- 2023年增发国债1.5万个项目全部开工
- 巴西总统头带缝线伤疤出席活动
- 津门虎客战成都可能为足协杯留力?津媒:这种猜测没有根据
- 观看人数还不足500,影片粗制滥造,却能连获2项柏林电影节大奖?
- 47岁陈彦行秘密生女,当年“无线五美”情归何处?
- 投票箱被纵火 数百张美大选选票受损
- 欧洲杯进球、赢过姆巴佩,好像比中考简单
- 航天员宋令东将是我国首个飞天的“90后”男航天员
- 德转:武汉三镇撤销达尼洛报名,补报新援若卡
- 欧洲杯进球、赢过姆巴佩,好像比中考简单
- 肘击对手,穆尼奥斯成为哥伦比亚队史美洲杯半决赛染红第三人
- 航天员宋令东将是我国首个飞天的“90后”男航天员
- 演技被高估的6个明星:周迅嘟嘴表演刻意、黄磊演啥都一个样
- “谁该负责?拜登亲人与团队互相指责” views+
- 出人意料!OpenAI直接销售自家AI模型收入超过微软转售 views+
- 女教师误发私人消息到家长群,发现时无法撤回,家长:谁还看不懂 views+
- 多所高校降低转专业门槛 如何实施?有何影响? views+
- 哪有什么死亡之组?踢就完了! views+
- 更智能/绿色/高效 广汽本田发布“蕴新智远”企业战略 views+
- 媒体:高温天用抹布擦导流线,谁在“折腾”环卫工人 views+
- 乌称扎波罗热一地遭俄军袭击 已致6死8伤 views+
- 选对运动方式,让您的健身效果翻倍 views+
- 英语趣配音创始人谭美红:AI外教的未来已来 views+