您的当前位置:首页 > 热点 > 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 10:53:24 来源:网络整理 编辑:热点
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康市某某消防设备售后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,港中安康市某某消防设备售后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
北京打通居家养老服务“最后一百米”2024-09-21 10:25
“董太太”人设崩塌,北京卫视点名,什么才是真正的精英教育?2024-09-21 10:14
被称为“会飞的硫酸”,62024-09-21 10:09
一个普通人的二战跨考之路|辽宁大学新传考研经验帖(俄语考生)2024-09-21 09:33
康瓜点球破门,青岛海牛憾平武汉三镇2024-09-21 09:17
跟着电影主人公跳街舞,他们什么来头?2024-09-21 09:14
留日学生辱骂国人 自称入职山西税务系统:正在排查2024-09-21 08:27
iPhone SE4渲染图 类似iPhone 14没有灵动岛2024-09-21 08:18
警方:造谣有人被台风吹落高坠8人被罚2024-09-21 08:10
《进入黑夜的漫长旅程》:诠释尤金·奥尼尔谢幕之作2024-09-21 08:08
江苏昆山一高压电线坠落致2人触电2024-09-21 10:51
放疗副作用大?专家带你正确认识放疗2024-09-21 10:43
学习时如何护眼?这6个事项务必注意2024-09-21 10:37
U17女足亚洲杯中国0:4不敌日本,以小组第二进入淘汰赛2024-09-21 10:29
工信部推广国产氟化氩光刻机:分辨率≤65nm2024-09-21 10:17
有录网:求学之路的编织者,助力每个优秀学子的留学梦想都落地有声2024-09-21 10:05
今年已致13例死亡!咳嗽总不好,务必警惕“百日咳”2024-09-21 09:39
农村出现医保退保潮?国家医保局回应2024-09-21 09:12
以军空袭加沙地带多地 至少10人死亡2024-09-21 08:36
头晕头痛别大意,小心淋巴瘤在作祟2024-09-21 08:23