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秦皇岛市某某自控阀门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,港中秦皇岛市某某自控阀门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:知识)
-
版权声明:本文版权为网易汽车所有,转载请注明出处。网易汽车9月10日报道今日晚间,上汽大众帕萨特Pro正式上市,新车推出五款车型,价格区间为15.99-22.39万元。谁说油车不能变得更聪明?谁说油车 ...[详细]
-
以色列手机民防预警软件显示,当地时间25日清晨,以色列北部拉响密集防空警报。 当天稍早前,以色列军方宣布,在探测到黎巴嫩真主党准备发动“大规模”袭击后,对真主党目标发动了“先发制人”的打击。 ...[详细]
-
外国语言文学类包含104个专业,其中绝大部分为小语种专业,招生计划数主要集中在英语专业,其次为商务英语和日语专业。本文将通过2023、2024年全国高考普通本科批的招生计划数来分析外国语言文学类专业的 ...[详细]
-
当地时间21日晚,埃及亚历山大省西部的阿拉伯塔地区发生一起交通事故,一列火车与两辆卡车和一辆私家车相撞。截至目前,事故已造成2人死亡、3人受伤。 亚历山大省安全部门称,救护车和铁路部门官员已前往 ...[详细]
-
离谱,西安交大博士手握SCI,秋招当场被拒,听到原因感觉被羞辱
现在是九月,大学新生刚开始新的生活,而2025届毕业生秋招已然来临,新的生活也在向他们招手。据说参加秋招的学生说,面试官们喜欢关注一些莫名其妙的东西、问一些莫名其妙的问题。西安交通大学一个制造业专业的 ...[详细] -
每经记者 王琳 8月19日晚间,中信特钢SZ000708,股价11.47元,市值578.91亿元)发布2024年半年报。上半年,公司实现营业收入570.05亿元,同比下降2.26%,归属于上市公 ...[详细]
-
据塞尔维亚内务部当地时间8月22日16时最新消息,发生在该国西部德里纳河的翻船事故遇难者人数上升至10人。△警方在德里纳河流域搜寻 截至22日16时左右,塞尔维亚境内发现9具遗体,波黑境内发现1 ...[详细]
-
版权声明:本文版权为网易汽车所有,转载请注明出处。网易汽车8月21日报道 今日晚间,长城汽车魏牌全新蓝山正式上市,共推出智驾Max和智驾Ultra两款车型,售价区间为29.98万-32.68万元。作为 ...[详细]
-
吃夜宵是餐饮业重要的消费场景之一,夜宵怎么吃才更健康?经营者和消费者应该注意哪些事项?首先,筑牢食品安全底线。夜宵最具代表性的两类食物,一个是凉菜,一个是烧烤,都是食源性疾病的高发品种。高温高湿,微生 ...[详细]
-
据央视新闻客户端消息,8月22日,外交部发言人毛宁主持例行记者会。有记者问:据报道,近日,日本驻华大使金杉宪治在日媒发表署名文章,其中主要观点之一是用好中国经济机遇,表示中国在汽车电动化、智能化、 ...[详细]