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山西某某过滤器制造有限公司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，港中山西某某过滤器制造有限公司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
每个人都希望自己能健康、自由的生活，但是衰老和疾病不可避免会降临：阿尔茨海默病患者忘记怎样如厕、渐冻症患者失去控制肢体的能力、癌症晚期患者因癌痛蜷缩成团......全球数千万人的无声挣扎全球痴呆症患者2025-12-15
睡觉时尽量把脚露在外面，有什么作用？医生：经常失眠或与肝有关
最近一段时间，老吴夜里总是睡不着觉，第二天起来后走路都是飘的，尝试做运动什么的都无法改善，给他愁的够呛。老伴看他这样让他去医院查查肝，因为她听邻居说睡眠不好和肝脏健康有关，这说法让老吴十分害怕，第二天2025-12-15
上海交大、中南大学等多所985高校毕业生应聘湖南中烟当生产工人
近日，湖南中烟工业有限责任公司在官方网站显著位置发布了湖南中烟工业有限责任公司2024年公开招聘拟录用人员名单公示。公示称，根据《湖南中烟工业有限责任公司2024年公开招聘公告》，经过报名、笔试、现场2025-12-15
乒乓球作为我国全民参与度最高的运动项目、社交网络的顶流，自然备受关注，而中国乒乓球队也不负众望，截至目前，已取得三金一银的骄人战绩，大大激发了全民参与乒乓球运动的热情。性价比最高的“长寿运动”竟是它22025-12-15
△指挥官拉雷斯在社交媒体上发布的拦截画面当地时间12月2日，委内瑞拉玻利瓦尔国民武装部队战略作战指挥官多明戈·埃尔南德斯·拉雷斯公布消息称，当天拦截了一架低空非法飞越委内瑞拉玻利瓦尔州南部的飞机。该名2025-12-15
近日，北师大实验中学的西门及内侧改造项目引发校友和社会的关注，为澄清误解，前天，北师大实验中学官方发布“关于西门及西门内侧设施改造的情况说明”。据该情况说明，随着学校办学规模不断扩大，教育教学空间严重2025-12-15
最新评论