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东某某事务所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，港中山东某某事务所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
每经记者 许立波 每经编辑 魏文艺 因颈髓损伤而高位截瘫的中年人，仅凭意念，即可如臂使指地操控智能轮椅在小区遛弯，指挥机器狗作为“身体延伸”取回外卖…… 这便是近日中国科学院脑科学与智能技术卓2025-12-21
在刚刚结束的2024年WTA年终总决赛中，郑钦文不敌美国选手高芙，获得亚军。 虽然没能夺冠，但郑钦文已是2011年科维托娃之后，首次亮相WTA年终总决赛便闯入争冠战的最年轻选手，郑钦文的年终排名2025-12-21
在日前举行的全国人大常委会办公厅新闻发布会上，财政部部长蓝佛安在6万亿元债务限额的政策背景下，明确了两项房地产重要增量政策。新政策能否进一步降低购房成本，为楼市注入新活力？ 在谈到关于下一步财政2025-12-21
耶鲁招生官亲口吐槽：这5大文书天坑，每年无数申请者往里跳...
一篇好的申请文书，可以让招生官看到申请者的潜力，增加Ta被录取的几率；而一篇糟糕的申请文书，则是给自己叠了一层debuff，让本就竞争激烈的申请雪上加霜。文书写作有许多大坑，今天咱们就来说说那些「让招2025-12-21
扫码咨询2026年新航道寒假班课程December 13, 2025雅思词汇解析 | | 栏目推送说明雅思词汇解析，释义到用法，清清楚楚每一次的进步，都是来自点点滴滴的积累本期作者：张悦本周我们2025-12-21
01今日长难句Britain is becoming a more closed economy due to Brexit, with damaging long-term implications2025-12-21
最新评论