您的当前位置:首页 > 焦点 > 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 16:27:14 来源:网络整理 编辑:焦点
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怀化市某某环保工程服务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,港中怀化市某某环保工程服务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
北京拟新开3条省际客运班线:两条到河北,一条通山东2024-09-21 16:15
最热的地方,有最极致的新疆2024-09-21 16:08
新质航运绘就“河海文旅”强IP2024-09-21 16:08
真我副总裁徐起:AI时代,我们真正缺少的是创新想法2024-09-21 15:35
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 14:19
国产手机强势崛起 产业链围绕AI加速布局2024-09-21 14:17
三星专利探索手机未来设计:背面新增OLED屏幕,还可配指纹传感器2024-09-21 13:53
挑战英伟达,AMD花了6.65亿美元收购Silo AI2024-09-21 13:45
9岁女童在病房被猥亵之后2024-09-21 13:45
如何打造“中国版星链”?上海航天专家解读卫星互联网技术2024-09-21 13:41
收缴假币200余万元,北京警方联合相关省市打掉多个制假窝点2024-09-21 16:25
马斯克的脑机接口公司将迎来第二名人类患者2024-09-21 16:11
价格战改变了什么?中国车市半年考2024-09-21 16:09
南部战区海军万吨新舰的首次任务去了南海2024-09-21 15:57
北京目前有13个地理标志保护产品,20个地理标志证明商标2024-09-21 15:56
普华永道上海所通知员工放“职业间歇假”,期间发放20%薪资2024-09-21 15:07
疑似遭无人机入侵 以色列北部多处响起防空警报2024-09-21 14:56
汽车新语2024-09-21 14:41
今年中秋夜可赏超级月亮 全国赏月地图请查收→2024-09-21 14:31
证监会等六部门打击资本市场财务造假:违规披露刑期上限由3年提高至10年2024-09-21 14:30