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沧州市某某海绵制品维修站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,港中沧州市某某海绵制品维修站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:探索)
-
新华社德黑兰9月12日电记者陈霄 沙达提)伊朗外交部12日分别召见英国、法国、德国和荷兰驻伊朗大使馆负责人,抗议这些国家指责伊朗涉嫌向俄罗斯转运导弹并实施制裁措施。 据伊朗伊斯兰共和国通讯社12 ...[详细]
-
这几年来,我们会发现,生活中有越来越多的人都开始“戒晚饭”了,这部分人中,除了有想要减肥的人士以外,还有一些想要借此养生的中老年人。虽然对于体重基数较大的人来说,在一段时间内不吃晚饭,确实会导致体重有 ...[详细]
-
小鹏汽车季报图解:营收65.5亿,经营亏损16.5亿 交付21821辆车
雷递网 雷建平 5月21日智能电动汽车公司小鹏汽车纽交所代号:XPEV及联交所代号:9868)今天公布其截至2024 年3月31日止三个月的未经审计财务业绩。财报显示,小鹏汽车2024年第一季度营收为 ...[详细] -
电视剧《狐妖小红娘·月红篇》于5月23日起在爱奇艺全网独播。该剧讲述了涂山狐族大当家涂山红红杨幂 饰)带领涂山狐族为妖族缔结情缘,成功结缘能为苦情树增长力量,庇护妖族。在邪恶势力黑狐侵蚀苦情树后,涂山 ...[详细]
-
版权声明:本文版权为网易汽车所有,转载请注明出处。网易汽车9月3日报道在2024成都车展上,沃尔沃汽车携插混家族XC90插混、S90插混、XC60插混、S60插混及纯电车型EM90、EX30集体亮相, ...[详细]
-
食用大豆制品好处多,你知道怎么选吗?| 吃出健康来2024-05-22 16:35:12 来源:健康中国微信公众号 ...[详细]
-
留学,在当下已经不是什么稀罕的事儿了。只要你家庭经济条件许可,又想到外面去看看世界,那就去吧。没有公费留学的条件,自费留学的机会不是更多吗?但是,就留学而言,原来是很少人才能享受到的权利,因此,他们回 ...[详细]
-
黄仁勋业绩会万字实录:那么多客户需求GPU,我们的压力太大了
5月23日消息,美国当地时间周三,英伟达公布了该公司截至2024年4月28日的2025财年第一财季财报。报告显示,英伟达第一财季营收260亿美元,同比增长262%,超过分析师平均预期的246.5亿美元 ...[详细] -
“长城汽车如果挣不了钱,中国几乎谁的汽车都挣不了钱”,2023年世界互联网大会上,长城汽车董事长魏建军痛斥行业乱象,顺便强调了一下长城的盈利能力。“资本不能光讲故事,讲概念,它一定要盈利的。所以我们长 ...[详细]
-
以公共交通为导向的城市发展模式TOD),是超大城市空间发展的重要方向。在上海轨交9号线泗泾站,招商蛇口打造50万方TOD项目招商·时代潮派,5月18日,以“潮鉴时代生活新范式”为主题,项目举办“潮前生 ...[详细]