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深圳市某某玩具有限公司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，港中深圳市某某玩具有限公司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
懂得“高调”展示自己，主动承担工作任务，学会主动求助……来源 | 《中国教师报》2024年8月28日·名师版作者 | 王弯弯 广东广州白云区良田第三小学原标题 | 《学会正确“求关注”》新教师大多有很2024-09-21
直播吧9月4日讯 记者赵宇发文，他表示国足现在热度比以前低多了，现在都没有新的赞助商进入。以前哪怕有“负面”新闻，赞助商也没有被吓跑。赵宇写道：昨天中午与一位参加过2002年世界杯的国脚聊天，聊到最后2024-09-21
肯佩斯：劳塔罗有射手的DNA，他和姆巴佩、哈兰德处于同一级别
日前，阿根廷足坛名宿肯佩斯在接受《米兰体育报》记者采访时表示：“劳塔罗-马丁内斯真的拥有那种进球的DNA，我认为他与姆巴佩和哈兰德处于同一级别。”新赛季意甲联赛正式打响以来，劳塔罗-马丁内斯已经出场22024-09-21
邮报：去年12月默塔夫就去中东谈卡塞米罗，关窗前都没收到报价
《邮报》指出，去年12月，目前已经离任的约翰-默塔夫就去了中东，想要兜售卡塞米罗，但直到沙特转会窗口关闭前曼联都没有收到报价。事实上，曼联一直在尝试出售卡塞米罗，但他每周37.5万英镑的工资成了难以逾2024-09-21
[林诗栋进男单决赛[加油]]今天，2024WTT澳门冠军赛男单半决赛，林诗栋@林詩棟y 4比1战胜@王楚钦___ ，成功晋级。决赛中，林诗栋将对阵德国选手邱党，向冠军发起冲击。为他点赞加油！2024-09-21邮报：去年12月默塔夫就去中东谈卡塞米罗，关窗前都没收到报价
《邮报》指出，去年12月，目前已经离任的约翰-默塔夫就去了中东，想要兜售卡塞米罗，但直到沙特转会窗口关闭前曼联都没有收到报价。事实上，曼联一直在尝试出售卡塞米罗，但他每周37.5万英镑的工资成了难以逾2024-09-21
最新评论