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
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江津市某某机械教育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,港中江津市某某机械教育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
(责任编辑:综合)
-
2026 FashionColor它犹如一张空白画布让我们的想象力自由驰骋从而孕育出新的洞察与大胆的构想同时象征着我们对全新开始的渴望每一年的年度流行色,都是一份献给世界的色彩预言
...[详细]
-
来源:财联社 《科创板日报》11月16日讯 当地时间下周三11月20日),英伟达即将披露三季度财报,这也将是其纳入道指之后的第一份财报。 根据分析师预期综合统计结果显示: 英伟达Q3有望实现
...[详细]
-
原标题:外贸向好势头持续 货物贸易相关跨境资金净流入稳步增加) 央视网消息:国家外汇管理局公布的最新数据显示,10月份,我国外汇市场运行平稳,跨境资金延续净流入。
...[详细]
-
为推动北京市科协科学传播共同体建设,合力构建社会化协同科学传播格局,促进全民科学素质提升,服务北京国际科技创新中心建设,北京市科学技术协会联合新华网推出《对话·科学先锋》栏目,本期,北京市农林科学院玉
...[详细]
-
近年来,怀柔区主动融入中国式现代化建设和新时代首都发展,全面推进怀柔科学城统领“生态涵养、科技创新、会议休闲、影视文化”等功能要素融合发展,“远看是花园,近看是家园”的城市框架基本形成。怀柔区正围绕“
...[详细]
-
太炸裂!45岁妻子和23岁丈夫经常互殴,皆报警称被家暴...
据福建电视台《第一帮帮团》报道,阿红和阿明是一对相差22岁的“姐弟恋”,两人去年八月相识,今年五月二十日领了结婚证。阿红称,阿明经常对她实施家暴,让她难以忍受。阿红和阿明是一对相差22岁的“姐弟恋”阿
...[详细]
-
记者从北京市交通委员会获悉,今晨北京大雾,部分地区能见度1公里至3公里,局部地区能见度不足500米。 截至7时30分,北京东、南部10条高速因大雾采取临时封闭措施,其中,京秦高速、首都环线高速,
...[详细]
-
中国无人机蜂群作战系统曝光 来源:视频综合) 中国航展上,中国蜂群2号陆战车首次亮相。单辆车可装载发射48架固定翼无人机,每架无人机都可以搭载光电侦察、打击弹药等多样化载荷,且可以任意组合,
...[详细]
-
界面新闻记者 | 陈怡轩12月2日,吉祥航空方面针对此前江苏省消保委约谈“锁座范围过度”一事向界面新闻记者做出回应,称正在按消保委要求开展自查自纠及相关条款的梳理工作,目前公司正在内部评估过程中。近日
...[详细]
-
新京报讯 据北京市纪委监委消息:原北京经济技术投资开发总公司党委书记、经理赵广义涉嫌严重违纪违法,目前正接受北京市纪委监委纪律审查和监察调查。编辑 辛婧
...[详细]


