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铜陵市某某医疗服务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,港中铜陵市某某医疗服务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。
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:探索)
- 东北抗联精神 白山黑水间 这些民族英雄立起不朽丰碑
- 梁育帅获得巴黎奥运会跆拳道男子68公斤级铜牌
- 接掌哈马斯后,辛瓦尔亮明立场
- 专家支招立秋时节健康防护要点
- 泽连斯基证实俄军在库尔斯克发起反攻:在乌方预料中
- 四天十几万!“医养旅游”正疯狂收割老人
- 拥有全功能血脑屏障的“迷你”大脑问世 views+
- 财经观察:4月多组数据折射二季度延续向好态势 views+
- 长期不吃晚餐的人会怎样?身体或伴随3大危害,现在知道还不晚 views+
- 高考生超一本线50分,填报12个志愿,看看有哪里不对? views+
- 舒适功能再升级 新博越L售11.57 views+
- 人民日报刊文:让影视与文旅双向奔赴 views+
- X9助力毛利率拉升,但小鹏一季度整体销量不及预期 views+
- NBA与鲸探打造元宇宙,区块链技术助力“篮球粉丝经济” views+
- 可持续时尚很棒,但…… views+
- 韩聪加入清华大学体育部,负责滑冰课与花样滑冰课教学 views+