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:2024-09-21 17:46:46 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庆阳市某某母婴用品培训学校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,港中庆阳市某某母婴用品培训学校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
台风“接二连三” 九招教你防范应对台风2024-09-21 17:46
50岁的女性夏天怎么穿衣?配色不暗沉、穿衣不老气,简单时尚2024-09-21 17:18
美军称摧毁胡塞武装无人驾驶飞行器和无人水面艇2024-09-21 17:14
售价15.49万元 捷途X90 PRO至臻版正式上市2024-09-21 16:20
中国气象局将台风应急响应提升为二级2024-09-21 16:19
谁说赵今麦没有CP感,只能演小孩?2024-09-21 15:56
中国品牌大打价格战,日系品牌采取保守的后退战略2024-09-21 15:50
女人过了50岁,真的很适合穿“连衣裙”!不仅优雅还有腔调2024-09-21 15:27
严打侵权假冒犯罪!公安部公布10起典型案例2024-09-21 15:08
谭松韵职场开挂,这姐越长越小怎么回事!2024-09-21 15:03
白蚁蚁后泡酒饮用?北京大兴机场海关查获用酒精浸泡的昆虫3瓶2024-09-21 17:44
女人到了40岁穿衣不要太单调!试试这些时尚的夏季穿搭,养眼2024-09-21 17:08
采用纯视觉智驾方案 小鹏P7+预计四季度上市2024-09-21 17:02
新款奥迪Q8将于7月22日正式上市!最大功率335马力,配备四驱2024-09-21 16:58
北京开展碳排放配额有偿竞价发放2024-09-21 16:25
极星Polestar 6新车型有望于7月11日亮相古德伍德2024-09-21 16:14
售价51.98万起 全新奔驰CLE敞篷轿跑车上市2024-09-21 16:04
东风汽车孤注一掷:放弃溢价,全系“小米化”2024-09-21 15:27
黎巴嫩对讲机爆炸事件已致14死450余伤2024-09-21 15:24
夏日穿衣时髦又减龄的秘诀,竟然是它2024-09-21 15:01