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商丘市某某电梯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，港中商丘市某某电梯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
新京报讯 据“首都园林绿化”微信公众号消息，为确保景区游客和森林资源安全，落实冬季防火工作要求，八达岭国家森林公园第十八届红叶生态文化节持续至10月31日，11月1日起八达岭国家森林公园正式闭园。北京2024-11-01
以色列国防军当地时间10月3日下午发布消息称，不久前，以色列空军袭击了位于贝鲁特的黎巴嫩真主党情报指挥部，袭击目标包括真主党武装人员、指挥中心和基础设施等。 以军透露，黎真主党情报指挥部是其主要2024-11-01
10月3日早上，台湾屏东县一家医院发生火灾。截至目前，院方证实有6名病患因逃生不及，已无生命迹象，另有1名医院员工失联。总台记者 范文佳 代钦夫）2024-11-01
有时候，你会惊讶地发现，某些孩子似乎天生就与学习结缘，轻轻松松拿下高分，还没见他们熬过几次夜。于是，旁观者心生疑问：这到底是天赋异禀，还是老天偏爱？我也曾一度抱着这样的困惑，直到有一次去参加家庭聚会，2024-11-01
当地时间10月28日，以色列总理内塔尼亚胡在议会上发表讲话称，在26日的空袭中，以色列对伊朗关键设施造成重创，严重破坏了伊朗的防御系统及其导弹出口能力。△以色列总理内塔尼亚胡 内塔尼亚胡表示，冲2024-11-01
记者从中国科学院物理研究所获悉，我国科研团队联合国外的多个研究团队，在镍基高温超导体的研究中取得了重要进展。科研人员利用国家“十二五”重大科技基础设施综合极端条件实验装置SECUF），在镨Pr）掺2024-11-01
最新评论