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辽宁某某检测技术培训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,港中辽宁某某检测技术培训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
(责任编辑:焦点)
- 腾势Z9GT/腾势Z9领衔 腾势汽车多款新车登陆成都车展
- 闪电快讯
- 去年净利增长约3倍,河南知名央企换帅,人均薪酬超21万
- “真是不得了!” 台湾舆论热议福建舰首次海试
- 车长超5米+三块屏+大疆智驾 帕萨特PRO售15.99万起
- 5000亿参数!传微软准备推出自研大模型
- 美媒:对外军援“养肥”美国军火商
- 周鸿祎:拿到迈巴赫尾款了,我是性善论者,一点不着急
- 美、俄等国部分专家学者抵达北京香山论坛会场
- OpenAI泄密者,投奔马斯克
- 吃止痛药才能入睡,周琦腰伤复发缺席生死战
- OpenAI CEO:看好人形机器人,未来人类不必再掌握计算机科学
- 初秋最气质穿搭=针织衫+阔腿裤
- 李开复任首席体验官的“AI特助”万知发布 中英双语且免费
- 游戏玩得头晕目眩?试试这些中医小妙招
- 《猩球崛起:新世界》开启经典科幻IP新篇章
- OpenAI CEO:看好人形机器人,未来人类不必再掌握计算机科学
- 最高人民检察院依法对凌成兴决定逮捕
- 雅思长难句解析(104)
- 重磅!20大要点!一文看懂巴菲特2024年股东大会
- 五一假期,高速公路这些路段、收费站易拥堵 views+
- 【地评线】飞天网评:坚定信心,在良好开局中砥砺前行 views+
- 漫评|中欧班列:满载机遇,搭建“双向奔赴”幸福桥 views+
- 美的集团再次向港交所提交上市申请 views+
- 媒体:“一家三代税务人”,舆论敏感的是什么 views+
- 寻迹中国|法国小姐姐带你体验:走向世界的中国新能源叉车有多智能? views+
- 文化和旅游部部长会见美国驻华大使 views+
- 上百名清华校友校外聚餐食物中毒?海淀疾控通报 views+
- 美联储宣布维持联邦基金利率目标区间不变 views+
- 中法“双向奔赴”实现全方位合作 推动文化交流“多点开花” views+