您现在的位置是:综合 >>正文
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
综合1人已围观
简介近日,来自香港中文大学深圳)的一支科研团队通过求解器的引入,把大模型回答的数学模型交给求解器解决,进而通过比对求解器的答案,得以成功判断数学模型的正确性。这相当于为参加考试的考生准备了高级计算器,只需 ...
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保山市某某机械制造厂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,港中保山市某某机械制造厂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
Tags:
上一篇:朱雨玲,欢迎回来
相关文章
为期23天的上海旅游节叠加中秋国庆长假,62家景区门票半价
综合界面新闻记者 | 黄景源界面新闻编辑 | 彭朋第35届上海旅游节将于9月14日至10月6日举办。日前,上海旅游节重点主题活动发布会举行,会上介绍了2024上海旅游节重点主题活动的情况和特点。自2011 ...
【综合】
阅读更多延迟退房2小时酒店收半天房费,法院判了
综合延迟退房2个小时,酒店要加收半天房费。认为这是“霸王条款”,河南鼎厚律所事务所律师黄文得将一酒店告上法庭。8月30日,黄文得收到甘肃陇南市中级人民法院作出的二审判决书,该院撤销一审判决,判决酒店退还黄 ...
【综合】
阅读更多中指研究院:8月百城二手房价格继续下行
综合8月百城二手房价格下行,图为房产 资料图据中指研究院报道,根据中国房地产指数系统百城价格指数对全国100个城市新建、二手住宅销售市场及50个城市租赁市场的调查数据,2024年8月,百城二手住宅平均价格 ...
【综合】
阅读更多