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泰安市某某医疗设备专卖店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，港中泰安市某某医疗设备专卖店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
天舟七号货运飞船于11月17日21时25分受控再入大气层，飞船绝大部分器件在再入大气层过程中烧蚀销毁，少量残骸落入预定安全海域。据中国载人航天工程办公室介绍，2024年1月17日，天舟七号货运飞船在文2025-12-03
赛前一天，意大利媒体传出国米会大幅轮换的新闻，球迷间形成了两种截然不同的态度。第一种：不能吧？就算周末有打那不勒斯的榜首争夺战，但这可是欧冠啊。面对阿森纳算得上本轮重头戏，还是主场，搞轮换究竟是太自信2025-12-03
河南鹿邑县中医院发生爆炸致1名医生身亡 当地已成立联合工作组
原标题：河南鹿邑县中医院发生爆炸致1名医生身亡 当地已成立联合工作组） 河南鹿邑县中医院发生爆炸一名医生身亡，当地成立联合工作组 来源：澎湃新闻） 记者2025-12-03
剑指顶尖航天科技高中！建校仅7年，人附系这所成员校又有大动作
刚刚，海淀区基础教育创新人才培养迎来新动向！10月21日，人大附中航天城学校以下简称人航）科学技术协会揭牌成立，这不仅是人航在科技创新教育领域迈出的重要一步，也是京城中小学科技教育改革创新的新亮点。据2025-12-03
中央气象台11月30日06时继续发布台风蓝色预警： 今年第27号台风“天琴”热带风暴级）的中心今天30日）早晨5点钟位于海南省三沙市西沙永兴岛）偏南方向大约325公里的南海西南部海面上，就是北纬2025-12-03
当地时间11月7日，美国联邦储备委员会宣布，将联邦基金利率目标区间下调25个基点，降至4.5%至4.75%之间的水平。 今年9月18日，美联储宣布将联邦基金利率目标区间下调50个基点，降至4.72025-12-03
最新评论