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
我要评论近日，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来宾市某某商务咨询制造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，港中来宾市某某商务咨询制造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
相关文章
天气预报根据气象部门预报，4 日我市有一次小雨天气过程，并将影响到晚高峰出行。白天阴有小雨，南转北风2、3级，最高气温27℃；夜间阴有小雨转多云，偏北风2级转3级左右，最低气温21℃。外出请随身携带雨2024-09-17
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10日报道今日晚间，上汽大众帕萨特Pro正式上市，新车推出五款车型，价格区间为15.99-22.39万元。谁说油车不能变得更聪明？谁说油车2024-09-17
我们的一生中大约有三分之一的时间都在睡眠中度过，而“睡得够、睡得好”对我们第二天的状态和健康来说都很重要。然而，根据中国睡眠研究会等机构在2023年发布的《中国睡眠大数据报告》显示，中国成年人失眠发生2024-09-17
来源：央视军事 9月12日，第十一届北京香山论坛将在北京国际会议中心正式开启。作为我国最大的主场军事外交平台，将迎来多国代表参会。目前，土库曼斯坦的官团代表，美国、俄罗斯、新加坡、越南、阿塞拜疆2024-09-17
国防教育法修订草案10日提请全国人大常委会会议二次审议。修订草案二审稿进一步完善学生军训有关规定，明确驻地军事机关在组织学生军事训练中的职责，规定普通高等学校、高中阶段学校应当按照学生军事训练大纲2024-09-17- 当前我国南北方多地正在遭受暴雨洪涝灾害。洪涝灾害发生后，由于环境污染、病媒生物孳生等因素影响，很容易发生各种疾病。确保居住环境的清洁，有助于避免传染病的暴发。温州医科大学附属第二医院院感部公卫部）副主2024-09-17
最新评论