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美容仪器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，港中平顶山市某某美容仪器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
北京时间今晚20点，日本队将迎来世界杯亚洲预选赛18强赛第6轮客场对阵国足的比赛，赛前，远藤航接受了日本队官方的采访，谈到了自己对比赛的期待。远藤航说：“在之前对阵中国的比赛中，我们利用了主场优势，在2025-12-07
雷军，毫无疑问的大网红。上周现身广州车展，小米汽车的展位，还要排队。今天下午，雷军在微博上官宣，小米SU7交付超10万台，提前完成全年目标。更可怕的是，我要告诉你：小米qi'c毛利率已经达到17.1%2025-12-07
资料图 全世界都知道，阿根廷总统米莱，是一个很特殊的领导人。 但米莱对华的最新态度，还是让世界，尤其是很多西方人大吃一惊。 为什么吃惊？ 米莱，不是原来那个米莱了。 因为在竞选期间，对于中国2025-12-07
【导读】美股三大指数下跌，通用汽车全球裁员近1000人美东时间11月15日周五，美国三大股指全线收跌，随着美国大选带来的上涨动能逐渐减弱，三大股指本周均录得跌幅。美国10月份零售销售环比增长0.4%，2025-12-07
文案|罗生编辑|喵三三第37届金鸡奖真是让观众大失所望啊！尤其是关于最佳女主角这个奖项的争议声一直就没停下来。原本观众还以为马丽这次赢面很大，凭借她在《第二十条》里的演技，拿下影后奖杯不成问题，结果半2025-12-07
21世纪经济报道记者倪雨晴 深圳报道 深圳中院的一纸破产宣告，为柔宇科技画下了句号。 11月19日，据深圳市中级人民法院公告，依据管理人对柔宇显示现有资产及负债的调查结果，可以认定柔宇显示不能2025-12-07
最新评论