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贵州某某环保工程售后客服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，港中贵州某某环保工程售后客服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
相关文章
曼联已正式完成了16岁门将查理-哈迪的签约。曼联一直在等待英超联赛对该转会的批准，如今这笔交易已经敲定。根据《曼彻斯特晚报》的报道，查理-哈迪先与曼联签订奖学金协议，17岁时再签职业合同。报道称，哈迪2025-12-10
名爵MG）这一汽车品牌，诞生于1924年的英国牛津，今年正好是它的一百年。百年之际，一款中国人设计的小跑车——MG Cyberster的出现可谓恰逢其时，似乎是在提醒人们久被淡忘的或者说我们从未在意的2025-12-10
[环球时报综合报道]“锂价在本月再次下跌，库存不断增加，对行业造成了打击。”彭博社24日在报道中称，由于供应过剩和需求放缓，碳酸锂价格在2023年暴跌了80%。2024年在短暂企稳后，又开始掉头向2025-12-10
. ..考研型J人养成指南 ໒ࡇ考研型J人第一步：量化自我；首先我们必须要建立起对自己当前学习进度和学习情况的系统认知，要清晰的知道自己总共需要学习什么、已经学了什么、距离目标还有多远——简单来说，2025-12-10
曼联狂丢21球暴露防守隐患，明夏抢免费英超铁卫！阿莫林欲签嫡系
曼联过去的进球能力一直备受诟病，本赛季这一问题似乎有所改善，进球数名列前茅，然而，球队14轮被对手攻入21球的失球数却成为了问题，在前十球队中与利物浦并列最差。而且，红魔赛季至今只零封过桑德兰。因此，2025-12-10
唐尚珺16次高考冲了8次，冲志愿的利与弊，如何更理性地冲一冲？
同学们即将填报高考志愿，“冲一冲、稳一稳、保一保”的话题又成了热门，说着容易，做着难，我听到很多人都在鼓励填报高考志愿冲一冲，到底是睁着眼冲，还是闭着眼冲？朋友们都知道广西有个“高考钉子户”唐尚珺，他2025-12-10
最新评论