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
我要评论近日，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琼海市某某消防设备有限责任公司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，港中琼海市某某消防设备有限责任公司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
【随堂测试】2022年6月16日，和若铁路正式通车运营，引发社会关注。这是一条典型的沙漠铁路，地处世界第二大流动性沙漠塔克拉玛干沙漠的南缘，有534公里分布在风沙区域，占线路总长的65%建设和运营都面2024-11-11
7月26日，举世瞩目的第33届夏季奥林匹克运动会将在法国巴黎开幕。这是继伦敦之后，第二座三度举办夏奥会的城市。 100年前的7月5日，在埃菲尔铁塔的见证下，巴黎迎来第二届夏奥盛会。历经百年，奥运2024-11-11
据央视新闻消息，当地时间7月22日，央视记者获悉，美国民主党全国委员会主席贾梅·哈里森表示，民主党将在公开、公平的程序下，于8月7日之前提名总统候选人。 美国东部时间21日下午，美国总统拜登宣布2024-11-11
中国癌症高发，是吃太多食品添加剂惹的祸？提醒：少碰6种添加剂
刘女士今年31岁，最近一段时间她身上频繁出现头痛症状，开始以为是没休息好导致的，没太当回事。但随着时间的发展，头痛的症状越来越严重，出现的频率也很频繁，严重影响到了正常生活。这才让刘女士引起重视去了医2024-11-11
肝脏是我们人体的重要器官，不仅是解毒小能手，也是人体的安全卫士。大家每天都要“肝”工作，真得要好好的保护肝脏哦！这篇文章就说说7种最伤肝的食物，一定要少吃或不吃。1、酒▲图：摄图网喝进肚的酒精90%以2024-11-11
7月21日河南洛阳一名男子吃炸知了猴后连夜被送往医院男子的妻子表示晚上只吃了5、6个过了20分钟左右身上起了一些疙瘩、不大但很痒12点钟吃了缓解过敏的药2点钟病情加重全身都是密密麻麻的疙瘩手都肿起来了2024-11-11
最新评论