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平顶山市某某自动化科技制造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，港中平顶山市某某自动化科技制造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
原标题：【好评中国】融合创新，让希望的田野生机勃勃） 农业农村现代化关系中国式现代化全局和成色。“十五五”规划建议提出，坚持把解决好“三农”问题作为全党工作重中之2025-12-03
▲资料图：患者与医生之间，需要一个充分有效的沟通机制。图/IC photo 7月20日凌晨1时，温州医科大学附属第一医院发布通告显示，7月19日13时许，该院心血管内科李晟医生在门诊诊疗中，突然遭到2025-12-03
今天7月19日），记者从华能集团了解到，全球单机容量最大风电机组在辽宁营口启动发电，为后续大容量海上风电机组批量化安装应用奠定坚实基础。 随着巨大的叶轮缓缓开始转动，华能18兆瓦超大风电机组顺利2025-12-03
山东总体投档情况2024年是山东物化捆绑第一年高考，本科招生计划247388，录取了247832，增加了444人，巧合的是，增加人数与本科划线完全相同。根据省招考院公布普通类常规批第一次本科投档表，2025-12-03- 秋冬季节，气温的骤降不仅让人体感受到寒意，也悄然间给胃肠道带来了不小的压力。腹胀、腹痛、嗳气、消化不良……这些症状似乎在提醒我们，是时候关注并呵护好我们的胃了。胃，这个我们日常饮食的“中转站”，其实有2025-12-03
来源：法治日报7月18日，网络平台有视频称，在山西一景区内，有商贩殴打游客。据相关视频中当事人称，在山西省忻州市五寨县荷叶坪景区停车时，有几名商贩突然将一次性餐盒扔到当事人车轮下，后就要求当事人赔偿52025-12-03
最新评论