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铜川市某某消防设备业务部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，港中铜川市某某消防设备业务部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
尽管小米集团三季度财报有着不错的表现，但未能扭转市场抛售情绪。11月19日，小米集团01810.HK）在2025年第三季度财报发布次日股价遭遇重创，盘中最低触及38.22港元，不仅跌破40港元关口，总2025-12-06
据新华社圣地亚哥6月20日电 智利警方20日通报说，该国圣地亚哥首都大区当天发生两列火车正面相撞事故，造成2人死亡、9人受伤。 中国驻智利大使馆确认，事故伤者中有4名中国公民。 智利国家铁路公2025-12-06
给奖不眨眼的美国土豪大学有哪些？！虽然申不上但我大受震撼....
美国大学每年的学费增长是不少学生家长在申请中极为关注的话题之一。如果出国党在被学校录取的同时收获一笔补助金，那么四年下来定能省下一笔不小的开销。然而在美国经济不景气、大学财政紧缩的今天，美国大学在给奖2025-12-06
据“金砖新闻”社交媒体账号21日消息，泰国正式申请加入金砖国家。 泰国总理府发言人猜·瓦差隆5月28日表示，泰国内阁会议批准了外交部提交的关于加入金砖国家意向书草案，认为成为金砖国家成员将令泰国2025-12-06
当地时间12月4日傍晚，2026年米兰-科尔蒂纳冬奥会火种抵达罗马。 此前，米兰冬奥会火种于11月26日在奥运会发源地——希腊伯罗奔尼撒半岛的古奥林匹亚遗址采集，并于12月4日当天交接给米兰冬奥2025-12-06
延伸阅读 一文看懂纯血鸿蒙，自主可控操作系统来了 6月21日外媒科学网站摘要：NASA将于2029年2025-12-06
最新评论