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

  发布时间:2024-11-14 14:30:32   作者:玩站小弟   我要评论
近日,来自香港中文大学深圳)的一支科研团队通过求解器的引入,把大模型回答的数学模型交给求解器解决,进而通过比对求解器的答案,得以成功判断数学模型的正确性。这相当于为参加考试的考生准备了高级计算器,只需 。

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河北某某金属制品教育中心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,港中河北某某金属制品教育中心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

  • 北京证监局对普华永道中天及相关责任人出具警示函

      11月4日,北京证监局发布关于对普华永道中天会计师事务所特殊普通合伙)及赵育鹏、孟岩采取出具警示函措施的决定。内容如下:  普华永道中天会计师事务所特殊普通合伙)及赵育鹏、孟岩:  根据《中华人民
    2024-11-14
  • 美图奇想大模型升级视频生成能力 将落地美图秀秀、Wink、MOKI等产品

    9月23日消息,美图宣布美图奇想大模型MiracleVision)视频生成能力完成全面升级,在实现生成能力、生成效率以及模型性能的三重进阶基础上,结合美图在计算机视觉领域的多项自研技术优势,视频生成时
    2024-11-14
  • 亚洲之光:大谷翔平53轰55盗再刷MLB历史纪录 有望冲60+60

    北京时间9月23日,MLB洛杉矶道奇6-5逆转险胜科罗拉多洛基,大谷翔平本场贡献1轰2盗率队取胜。大谷翔平本赛季数据继续提升至53轰55盗,继续刷新MLB历史纪录,且本赛季有望冲击60轰60盗神迹,无
    2024-11-14
  • 朴志洙与高准翼交换球衣,俩人曾两度成为队友

    直播吧9月23日讯 今天,朴志洙在社媒晒出了他与前队友高准翼交换球衣的合影。上周末的中超第26轮联赛,武汉三镇客场0-0战平了山东泰山。在这场比赛的赛后,三镇外援朴志洙与泰山后卫高准翼交换了球衣并合影
    2024-11-14
  • 德甲:奥格斯堡0

      来源:懂球帝  在德国足球顶级联赛的第10轮比赛中,奥格斯堡坐镇主场迎战霍芬海姆。经过激烈的对抗,双方均未能攻破对方球门,比赛以0-0的比分结束。两队在场上展现了顽强的防守和不懈的拼搏精神,尽管创
    2024-11-14
  • 以色列,发出最明确战争警告

      来源:牛弹琴  局势没有最糟糕,只有更糟糕。  9月25日,以色列的战机,继续在黎巴嫩上空盘旋,然后是猛烈轰炸。过去三天,是黎巴嫩过去20年来最血腥的三天,以军空袭了2000多个目标,打死了600
    2024-11-14

最新评论

6529.top