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泉州市某某广告媒体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，港中泉州市某某广告媒体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
反腐败斗争没有禁区特区盲区 ——持续深化政治整训、纵深推进正风反腐系列谈⑭ 哲之 前不久，党的二十届四中全会审议并通过了军队多名领导干部严重违纪违法问题的审查报告，彰显了将党风廉政建设和反腐2025-12-09
超7000岗位可选 湖南商务职业技术学院力促学生与企业“双向奔赴”
6月18日，湖南省商贸旅游类毕业生区域性行业性专场大型供需见面会在湖南商务职业技术学院田径场举行，300余家单位应邀进校招贤揽才，超7000岗位可选，吸引了来自长沙、益阳、株洲等地的兄弟院校学生参加。2025-12-09
还让不让人留学了，这也忒贵了！新加坡留学1对1咨询领超值惊喜留学礼包新加坡，真是 太贵了！继衣食住行全线涨价后，新加坡的宿舍费也要涨了。本来留学的学费就逐年增加，生活费也在上涨，就连汇率也在涨，这下连2025-12-09
@南部战区 消息，近日，南部战区海军某支队组织多型舰艇奔赴南海某海域，围绕对海射击、协同反潜、航行补给等多个课目，展开跨昼夜长航时实战化训练，检验多项战法训法运用成效，提升编队协同指挥能力。点击进2025-12-09
中国外交部发言人林剑5日主持例行记者会。会上，有俄罗斯媒体记者问及俄中双方就涉日问题达成什么共识。 林剑：今年是中国人民抗日战争胜利80周年，也是苏联伟大卫国战争胜利80周年。两国元首年内相互出2025-12-09
一个会带团队的校长需要具备多方面的能力和素质一个会带团队的校长需要具备多方面的能力和素质。他不仅要具备出色的沟通能力和团队协作能力，还要具备高超的决策能力和自我学习能力。一所学校的发展，不仅取决于优秀2025-12-09
最新评论