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赣州市某某钢球股份业务部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,港中赣州市某某钢球股份业务部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)
-
▲网传某民营医院招篮球特长生岗位要求。图/网络视频截图 又现“萝卜招聘”? 近日,广西桂林兴安县兴安界首骨伤医院招聘篮球特长生,要求有代表学校参加过西南赛区CUBA一级联赛的主力队员或西南赛区CU ...[详细]
-
乐道汽车官网上线!L60信息大曝光,赶超Model Y不是梦?
“比毛豆Y更棒”的乐道L60要来了。5月6日,蔚来旗下乐道汽车官方网站正式上线,官网显示“首款车型 L60 敬请期待 ”。官网还展示了 ONVO 乐道汽车的车标,像是一条波浪线的“N”,与蔚来左右对称 ...[详细] -
中国香港体育协会暨奥林匹克委员会副会长霍启刚10日表示,对于7月开幕的巴黎奥运会,中国香港队已经做好充分准备,他对运动员取得好成绩充满信心。霍启刚是在这里举行的第六届亚洲蹦床锦标赛揭幕仪式上作上述表示 ...[详细]
-
5月7日消息,联发科技今天举办了天玑开发者大会2024。大会上,联发科技开启了“天玑AI先锋计划”,联合业界生态企业发布了《生成式AI手机产业白皮书》,分享了生成式AI端侧部署的解决方案“天玑AI开发 ...[详细]
-
原标题:台风“接二连三” 九招教你防范应对台风) ...[详细]
-
财联社5月7日讯编辑 黄君芝)媒体周一援引知情人士的话报道称,美国电动汽车制造商特斯拉开启了新一轮的裁员行动,这次对准的是软件、服务和工程部门。据知情人士透露,特斯拉的部分员工在上周末收到了电子邮件, ...[详细]
-
5月7日消息,联发科技宣布与Counterpoint携手阿里云通义千问、百川大模型、虎牙、酷狗、零一万物、OPPO、Soul、腾讯AI Lab、腾讯混元、vivo等生态伙伴*,联合发布《生成式AI手机 ...[详细]
-
资料图据央视新闻,据俄罗斯内务部网站当地时间6日凌晨显示的消息,俄内务部将乌克兰前外交部长克利姆金、最高拉达议会)前议长格罗伊斯曼和前国家安全与国防委员会秘书达尼洛夫列入通缉名单。责任编辑:李天宇_N ...[详细]
-
当地时间9月17日,墨西哥国防部通报,该国北部锡那罗亚州两大贩毒集团马约斯Los Mayos)和查皮托斯Los Chapitos)于9日开始爆发武装冲突,目前已造成32人死亡,其中包括2名士兵和3 ...[详细]
-
5月7日电,市场全天震荡分化,三大指数涨跌不一。盘面上,化工股持续活跃,怡达股份、联合化学、亚邦股份、百川股份等10余股涨停。商业航空概念股午后走强,霍莱沃、上海沪工、南京熊猫等涨停。合成生物概念股走 ...[详细]