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上饶市某某电子科技制造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,港中上饶市某某电子科技制造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)
-
问界M9五座版9月10日发布:配库里南同款折叠椅,8月销量破1.5万
余承东在社交平台官宣:问界M9参数丨图片)五座版将于9月10日发布,并配上一张图片,两张椅子格外显眼,有网友翻了一下,发现该椅子设计和劳斯莱斯库里南后备箱折叠椅非常相似。需注意的是,苹果发布会也是9月 ...[详细] -
近日,福建福州一男子在家开启半年未清洗的空调,连吹两天后开始咳嗽不止。咳嗽两天后一度神志不清,出现呼吸衰竭被送进医院ICU。该男子被确诊感染了“嗜肺军团菌”,出现大面积“白肺”,肺部有多处坏死、空洞。 ...[详细]
-
总台记者7月2日获悉,在美东时间1日的纽约外汇市场上,日元对美元汇率一度跌至1美元兑换161.72日元,创下自1986年12月以来的最低水平。总台记者林博翰) ...[详细]
-
羽坛全满贯得主、中国羽毛球传奇林丹7月3日在微博悼念日前在印尼因心脏骤停离世的青年羽毛球运动员张志杰,附文字“走好,少年”。点击进入专题: 国羽小将张志杰突然晕厥后去世 ...[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] -
避免手机失明 可以“20-20-20”2024-07-02 13:26:14 来源:北京青年报 作者:刘阳禾 ...[详细]
-
自湖南平江遭遇自有气象记录以来持续时间最长、强度最大、雨量最多的汛情后,各方力量齐聚平江,众志成城抢险抗洪。目前,平江水位正逐步下降,汨罗江干流平江站已退出警戒水位,本次超警时长为72小时15分。 ...[详细]
-
7月2日,吉林松原市公安局宁江一分局通报,6月30日19时12分,松原市宁江区伯都讷广场发生一起持刀伤人案件,犯罪嫌疑人宰某某男,53岁)酒后与被害人赵某某男,54岁)发生口角,持刀将被害人扎伤, ...[详细]
-
总台记者当地时间8月31日获悉,美国俄勒冈州一架小型飞机于当日上午10时30分左右坠毁并撞上了联排别墅,导致房屋起火。一根电线杆因事故倒塌,导致当地停电数小时,约9000人受影响。消防员于当日晚间证实 ...[详细]
-
博士生,本是科研的主力军,却常自嘲为“科研民工”,1985年,国内博士生每生每月补贴仅为76元有工作经验加15元)。2017年两会前,时任清华大学副校长、中科院院士施一公提到:“这次考虑到物价等因素, ...[详细]