您的当前位置:首页 > 热门资讯 > 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:2024-09-17 03:09:38 来源:网络整理 编辑:热门资讯
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榆林市某某母婴用品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,港中榆林市某某母婴用品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
首架国航C919落地北京,旅客感叹飞机很平稳2024-09-17 02:56
违反土地管理法,北京十里河投资管理集团有限公司被罚款85万余元2024-09-17 02:51
专家:哮喘疾病总体控制率不佳多源自民众认知不足2024-09-17 02:41
俄防长:俄正在南千岛群岛建立观察哨所2024-09-17 02:36
美国JD Power:94%的纯电车主,下一辆车还想买电车!2024-09-17 01:55
亚美尼亚称不参与集安组织年度预算批准和拨款工作2024-09-17 01:18
北京公交141路车设置志愿服务岗 多个举措保障五一小长假游客出行2024-09-17 01:08
北京两区发布雷电预警!局地7级以上短时大风+小冰雹2024-09-17 00:57
P1+P4架构/豪华插混 沃尔沃家族亮相成都车展2024-09-17 00:52
皇马只是一直在做自己,但何塞卢迎来最好的自己2024-09-17 00:48
广西南宁发布暴雨红色预警 这些地方将有强降雨2024-09-17 03:06
刚从法国回来的儿子,失踪20多天了!浙江夫妻悬赏10万寻人2024-09-17 03:03
6岁女孩比划“995”引发乌龙事件,警方:非官方求救手势2024-09-17 02:56
北京西城一餐馆储藏室违规使用泡沫彩钢板被查处2024-09-17 02:04
伊朗总统称应南迁首都2024-09-17 02:00
“卷王”打工人如何破局?请看《一仆二主》 现代版2024-09-17 01:17
亚美尼亚称不参与集安组织年度预算批准和拨款工作2024-09-17 01:14
粥香情浓赏民俗 海淀苏家坨镇举办立夏习俗活动2024-09-17 00:29
普及高阶智驾 16万买埃安霸王龙激光雷达版2024-09-17 00:28
天下奇观,莫斯科办展,美英请先看!2024-09-17 00:28