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周口市某某车业专卖店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,港中周口市某某车业专卖店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:休闲)
-
一批评就崩溃, 一累就放弃, 可怕的「小学生现象」正在压垮无数孩子
很多家长说,孩子上了小学,变了。变得输不起,不顺心就发脾气,遇到课业难题轻易放弃,生活中做事也磨磨蹭蹭,甚至动不动就跟大人顶嘴。但对这个阶段的孩子而言,一味地说教唠叨反而会激起他们的逆反心理。6-12 ...[详细] -
央视网消息:据武汉市文化和旅游局微信公众号消息,今天7月1日)起,武汉市全市57家A级旅游景区中,包括黄鹤楼公园等在内的55家A级旅游景区全面取消入园预约要求。这55家A级景区,采取最大承载量制度,在 ...[详细]
-
当地时间6月29日,乌克兰扎波罗热州军政管理局负责人伊万·费多罗夫表示,当天傍晚扎波罗热州维尔扬斯克市遭俄军袭击,目前已造成6人死亡、8人受伤。另有一处重要基础设施、一家商店和住宅楼受损。 俄罗 ...[详细]
-
55岁的张戟身患腓骨肌萎缩症,四肢肌肉萎缩,行动不便,然而在过去的6年里,他却坐着轮椅,在家人的陪护下,游历了全国450处红色场馆和革命纪念地,总行程8万余公里。 尽管忍受病痛,但张戟读万卷书、 ...[详细]
-
新京报讯记者吴婷婷 通讯员燕文颖)10月1日至7日国庆长假期间,首都机场预计运送旅客约131.95万人次。航班及客流高峰将出现在9月30日,返程高峰将出现在10月7日,年旅客吞吐量将在国庆假期突破50 ...[详细]
-
来源:中安在线 编者按:一条大运河,半部华夏史。沿着大运河看安徽,这条来自老祖宗的历史之河,穿越古今,纵贯南北,潺潺流淌,连缀起了安徽的“前世今生”。透过一条河,读懂何以中国,回答何以运河?安徽 ...[详细]
-
来源:上游新闻 北京时间6月30日凌晨00:00,2024年欧洲杯1/8决赛第一场比赛开打,瑞士和意大利这对“冤家”率先亮相。最终,瑞士2:0战胜意大利,率先晋级淘汰赛下一轮。 从这两支球队的 ...[详细]
-
6月29日,在位于“万山之祖”的昆仑山上,随着新疆和田县稀有金属矿产业园区220千伏输变电工程施工第7标段的最后一相导线从9号塔穿越到7号塔,标志着该工程全线贯通。该工程最高塔位为5390米,是目 ...[详细]
-
小杨2022年花282万买了一套小2居,贷款150万,住了两年后,前几天卖了,成交价178万,算上利息、装修、交易费用,当时付的首付,基本都赔没了。小杨结婚后一直和爱人在北京租房住,攒够了钱才有了买房 ...[详细]
-
尽管广州连续两个月遭遇雷雨天气,但在“5·28”楼市新政的刺激和多个楼盘持续打折促销带动下,广州一手房市场迎来了复苏。“自5月17日多部门出台政策‘组合拳’后,广州典型楼盘人气开始回升,来访量和认 ...[详细]