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黄石市某某代理教育中心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，港中黄石市某某代理教育中心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
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2025-12-10
原标题：中企在非洲｜“在中企工作让我有了梦想——拥有自己的试验室”） 在中企工作让我有了梦想 来源：视频综合） “我希望能与中铁二十局，一起为祖国建设一2025-12-10
土壤为万物之本，是影响农业、林业、水利、环保等各部门、各行业的基础要素。长期以来，我国缺乏一套全国系统性完整表现各区域的土壤剖面数据。直到最近几年，由中国农科院农业资源与农业区划研究所牵头，联合2025-12-10
当地时间9月3日晚，巴勒斯坦卫生部长发表声明称，第二批35万剂脊髓灰质炎疫苗已于当晚运抵加沙地带。经联合国儿童基金会协调，目前该批疫苗储存在加沙中部代尔拜拉赫市卫生部门的冷藏箱中。 声明称，此批2025-12-10
来源：中国新闻周刊 2025年12月3日，法国总统马克龙携妻子布丽吉特开启为期三天的访华之行。 据媒体报道，除夫人布丽吉特外，陪同马克龙访华的还有一个80余人的代表团，其成员包括多位部长及近2025-12-10
特斯拉Model Y针对中国推出6座车型！尺寸全面加长，期待吗
根据特斯拉品牌规划显示，代号为Juniper的改款Model Y参数丨图片）车型，计划将于2025年上市开售。另据消息人士透露，特斯拉将于2025年在中国市场推出一款六座版Model Y车型，其车身尺2025-12-10
最新评论