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高温材料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，港中泰安市某某高温材料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
自2025年12月18日起，海南自由贸易港正式启动全岛封关。 至此，进口征税商品目录、货物流通税收政策、禁限清单、加工增值内销免关税政策、海关监管办法等一系列封关政策及配套文件同步实施。 封关2025-12-19
机器人教父冷酷预言：未来15年，百亿资金灰飞烟灭，人形机器人终成废铁
作者 | 小小出品 | 网易科技“未来15年，巨资将灰飞烟灭，这些人形机器人终将成废铁被遗忘。”这句听起来像是“恶毒诅咒”的预言，并非来自旁观者的风凉话，而是出自现代机器人学“教父”罗德尼·布鲁克斯R2025-12-19
在教育领域，师生关系以及学校管理方式一直是备受关注的话题。就在昨天，12345热线接到了一通来自学生家长或者学生本人的投诉电话，投诉内容是学校强制学生在大课间进行跑操活动，并强烈要求禁止下午大课间的跑2025-12-19
12月17日，外交部发言人郭嘉昆主持例行记者会。日本电视台记者提问，高市早苗发表涉台言论后，中国外交部召见了东南亚国家的大使并且批评了日本，转达了希望东南亚各国支持中国的立场。中国这么做的目的是什2025-12-19
泡对养生、泡错伤身 泡温泉的正确方式你知道吗？2025-12-17 21:56:36 来源：央视新闻客户端2025-12-19
新京报讯记者姜慧梓）国家统计局12月15日公布数据，1-11月份，全国城镇调查失业率平均值为5.2%。11月份，全国城镇调查失业率为5.1%，与上月持平。 11月份，本地户籍劳动力调查失业率为52025-12-19
最新评论