您的当前位置:首页 > 综合 > 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 正文
时间:2024-09-21 13:26:26 来源:网络整理 编辑:综合
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安顺市某某商务咨询客服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,港中安顺市某某商务咨询客服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
认知篇:留学生要学会无限犯规!2024-09-21 13:10
哥伦比亚12024-09-21 13:09
“如果美国收到核袭击警告,晚上8点后给谁打电话?”白宫发言人叹了口气2024-09-21 12:59
卸完煤制油直接装运食用油,怎敢成“公开的秘密”2024-09-21 12:38
江苏昆山一高压电线坠落致2人触电2024-09-21 12:36
哈尔滨女子5000万购法院查封房后钱房两空:房款无处讨,房也不属于她2024-09-21 12:18
全国首批移动智能监测空气质量的无人车在京上路2024-09-21 12:13
广东汕头15岁男生遭同龄男生杀害:2人被刑拘2024-09-21 10:59
冠军凯旋!北京刷新世界技能大赛历史成绩2024-09-21 10:52
湖南知名主持人何炅向华容县捐款50万元2024-09-21 10:49
北京联合大学学生研发无障碍盲文键盘2024-09-21 13:10
北京首封高考普招录取通知书今日发出,内含芯片独一无二2024-09-21 12:39
俄称基辅儿童医院遭袭与挪威相关 要求挪威作出解释2024-09-21 12:32
美联储主席鲍威尔:当前的货币政策具有限制性2024-09-21 12:18
北京拟新开3条省际客运班线:两条到河北,一条通山东2024-09-21 12:01
传马云回国现身阿里总部,上次露面后阿里发生巨变2024-09-21 11:58
未经许可使用独家代理游戏,北京西城警方抓获 5 名犯罪嫌疑人2024-09-21 11:46
网红“蔡老板”登报向特斯拉道歉!粉丝曾超700万,已被全网封禁2024-09-21 11:34
也门胡塞武装公布新型高超音速导弹画面2024-09-21 11:23
星际荣耀:双曲线一号遥八运载火箭四级工作异常2024-09-21 11:00