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河南某某网络科技经销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，港中河南某某网络科技经销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
据伊朗国家电视台今天6月24日）消息，伊朗核科学家穆罕默德·雷扎·塞迪奇、伊朗电力基础设施部门高级官员纳达·拉菲在以色列对伊朗夜间的袭击中丧生。稍早前，多家以色列媒体就曾援引安全消息人士报道称，在2025-06-27
从分拣到装车仅需10分钟，京津冀13城互通实现次晨达。在河北省廊坊市，多家快递企业以科技创新推动产业创新，通过引入先进技术、升级自动化设备，提升分拣效率，助推行业降本增效。 作者：田策、陈健、马2025-06-27
直播吧11月19日讯 NBA常规赛，勇士在客场以99-102不敌快船。赛后，勇士主帅科尔接受了记者采访。他说道：“我觉得我们直到下半场才真正开始比赛。上半场比赛我们一直是输的，浪费了很多回合。”本场上2025-06-27
远离“造神”陷阱，官媒发文辟谣，揭开了53岁刀郎的“真实现状”
近期，随着刀郎复出举办演唱会，这位昔日火遍大江南北的歌手，再度引起了人们的热议。其中，有新观众也有老观众，有慕名而来看热闹的人，也有见证过刀郎时代的忠实歌迷。然而，正所谓过犹不及，随着浪潮袭来，许多不2025-06-27
当地时间6月26日，韩国总统李在明就任后首次发表施政演说。2025-06-27
按照《米兰体育报》的报道，尤文图斯的中场球星道格拉斯-路易斯依然无法出战本周末他们在客场与AC米兰的比赛。现年26岁的道格拉斯-路易斯今夏以5150万欧元的价格从维拉转会至尤文，至今他代表斑马军团出场2025-06-27
最新评论