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韶关市某某电气有限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,港中韶关市某某电气有限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
(责任编辑:热点)
-
南非储备银行央行)当地时间19日宣布将基准利率下调25个基点至8%。这是南非储备银行自2020年7月以来首次降息。△南非储备银行行长卡尼亚戈资料图) 南非储备银行行长卡尼亚戈当天表示,货币政策委 ...[详细]
-
延伸阅读 从万众瞩目到黄牛都不理,Vision Pro国行凉凉?你根本没看懂苹果! 7月9日外媒科学 ...[详细]
-
李冲锋《新教师成长必备手册》:教师成长宝典,案例丰富,实效提升!
内容介绍《新教师成长必备手册》针对青年教师专业发展的特点与需要,从职业认知、心理素质、仪表仪态、言语表达、思维品质、教学设计、教学实施、教学评价8个方面进行了细致讲解,同时提供了大量鲜活生活的案例,助 ...[详细] -
@中国海警 微博消息,7月9日,中国海警1303舰艇编队在我钓鱼岛领海内巡航。这是中国海警依法开展的维权巡航活动。 ...[详细]
-
9月10日,广东深圳,网友发视频称莲花山公园男厕所小便池是半露天式,所有如厕者都将对着一片树林小便。11日,该公园工作人员称,最初打造的理念就是这样,小便时能看到外面的景色,不会走光,厕所的设计曾经还 ...[详细]
-
中新健康丨小暑来临如何有效防蚊虫?中国疾控中心提示2024-07-05 17:05:04 来源:中国新闻网 ...[详细]
-
来源:新民晚报 近日 两家航空公司分别就 “备降后重新起飞遗漏四名旅客” “不开空调致乘客中暑” 致歉 ▽ 东航就 “备降后重新起飞遗漏四名旅客”致歉 “航班备降重新起飞 遗漏 ...[详细]
-
我曾目睹无数父母,为孩子的教育操碎了心,总盼着能找到一条捷径,让孩子轻松取得好成绩。每次看到这些孩子,心中总会涌起一股难以言表的感触。就拿一个朋友的孩子来说吧,他为了让孩子迈进重点高中的门槛,真是不惜 ...[详细]
-
总台记者当地时间18日获悉,俄罗斯总统普京批准了俄外交部提交的,同伊朗签署关于建立与发展全面战略伙伴关系条约的建议。 今年6月,俄罗斯外交部高级官员称,与伊朗间相关条约的文本已经准备就绪,不存在 ...[详细]
-
火车票全网“免费退”?铁路12306:系某平台吸引新会员的营销炒作
铁路123067月9日消息,近日,某平台推出火车票全网“免费退”和“专享火车票无忧退”活动。这些做法纯属该平台吸引新会员的营销炒作,误导消费者以为火车票退票免收退票费。应用商城里的铁路12306APP ...[详细]