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南宁市某某包装机械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,港中南宁市某某包装机械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
(责任编辑:焦点)
-
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1日报道8月30日,第二十七届成都国际汽车展览会在中国西部国际博览城开幕。作为科技型智能电动车企,稳居造车新势力第一梯队的零跑汽车,携最新 ...[详细]
-
[本站 资讯] 日前,乘联会秘书长崔东树发文称,2024年3月中国自主车企在海外部分地区销量初步统计达到19万辆,同比增长38%,环比增34%;2024年1-3月,中国海外市场中国品牌销量47万辆,同 ...[详细]
-
在精致与舒适之间,讲究与轻松之间,套装早已不是刻板无趣的着装。恰到的分寸在时髦女人手里,成为任意调拨的砝码,自由选择想要呈现的衣着氛围。今天要推荐一组飘逸衬衫+短裤。轻如空气,薄如蝉翼,柔滑又凉爽。嫩 ...[详细]
-
5月5日是劳动节假期的最后一天了,同时也是二十四节气当中的立夏,更重要的还是张一山的32岁生日。当天,零点零分的时候,张一山工作室壹山逸事)也在社交平台上晒出了一张海报为他庆生,并为此配文:“旦逢良辰 ...[详细]
-
△阿尔及利亚总统特本资料图) 当地时间9月8日,阿尔及利亚独立选举监督委员会宣布,初步计票结果显示,现任总统特本获得94.65%的选票,赢得总统选举。 阿独立选举监督委员会发布的初步结果将交由宪 ...[详细]
-
又一轮降价潮?比亚迪置换补贴登场,最高2万,5月购车时机到?
你喜欢的车,突然降价了,算不算一种惊喜?如今的中国新能源市场,这种惊喜太多了。北京车展刚刚结束,各大厂商就又开启了新一轮的价格战。5月6日,比亚迪海洋网也加入了这一行列,不过这一次,比亚迪海洋网把重点 ...[详细] -
普通人的外形条件一般都存在着或多或少的瑕疵,而想要塑造出格外时尚优越的一面,那么就可以通过穿衣打扮来进行恰当的修饰。而下面介绍的这些优雅风穿搭,就是非常值得借鉴的,照着学轻松收获更高的回头率。一、印花 ...[详细]
-
四五十岁女人,夏天穿裙子别配运动鞋,太土!换成这3种鞋更高级
“足下生辉”,“看鞋识人品”。可见,鞋子在穿搭中扮演着非常重要的角色,虽然不在视觉焦点范围内,却能直接影响造型美感、气质品味。对于四五十岁的中年女人来说,选择的鞋子既要舒适也要百搭,与服装搭配起来适配 ...[详细] -
当地时间8月31日,据美国媒体报道,一项新研究发现,美国国家航空航天局“双小行星重定向测试”航天器于2022年撞击一颗近地小行星时产生的岩石碎片,可能会形成一场能够持续100年的人造流星雨。研究表明, ...[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5月6日报道日前从官方获悉,吉利旗下银河系列的L6和L7的龙腾版车型推出官方限时优惠活动,至高优惠1.2万元,优惠之后,银河L6参数丨图片)龙 ...[详细]