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徐州市某某投资管理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,港中徐州市某某投资管理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。 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]。 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
图 | 论文作者黄旭函(来源:黄旭函)
图 | 相关论文(来源:arXiv)
-
上一篇
-
下一篇
- 最近发表
- 随机阅读
-
- 头部主播带货的“香港美诚月饼”已下架 客服称有人恶意下单后退款
- 解锁暑期旅游的“N”种打开方式 研学游、生态游热度高
- 市场普遍担忧美国经济陷入衰退
- 警惕!爆红降温小神器可能藏着大风险
- “九一八”事变爆发93周年:铭记历史、勿忘国耻、珍爱和平
- 暑期迎来“摘镜”热,手术能治愈近视吗?
- 以军称打死哈马斯一名指挥官
- 买不到GPU,马斯克自曝AI巨兽Dojo!自研超算挑战英伟达,约等于8千块H100
- 泽连斯基称俄军在库尔斯克发动反攻,俄国防部:已收复该州10个定居点
- 又有多国要求本国公民从黎巴嫩或伊朗撤离
- 奥运女拳手被质疑变性其父发声:对女儿的攻击不道德
- 从容与惬意并存 全新林肯飞行家还将引领美学新潮
- 教育部原党组副书记、副部长杜玉波接受审查调查
- 中国旅游团在意大利发生车祸,中国领事馆启动应急机制
- 奥运女拳手被质疑变性其父发声:对女儿的攻击不道德
- 何冰娇拥抱受伤的西班牙选手马林
- 北京市朝阳区提速城市更新 将释放近40万平方米商业空间
- 一个月蹦出4个国产Sora:“拍个手”集体阵亡
- 游客在八达岭长城刻字被举报,被一路追踪在颐和园查获
- 早田希娜4
- 搜索
-