#今日论文推荐# MIT研究员利用OpenAI的Codex，开发几秒内解决高等数学难题的AI模型，准确率超过80%
当前，机器学习模型在解决微分方程等高难度数学问题方面一直存在很大限制，一些最好的模型也只是勉强回答高中水平的数学题目。但现在，麻省理工学院（MIT）领导的研究小组开发的一种神经网络模型，可轻松应对相当于大学数学课程难度的问题。
8 月 2 日，相关论文以《一个通过程序合成和人类层面的小样本学习的神经网络来解决、解释和生成大学数学问题》（A neural network solves, explains, and generates university math problems by program synthesis and few-shot learning at human level）为题发表在 PNAS 上。
MIT 电气工程与计算机科学系讲师伊多·德罗里（Iddo Drori）担任第一作者兼通讯作者，他也是哥伦比亚大学计算机科学系的兼职副教授。
“我们的研究是第一个解决本科数学问题的工作，这填补了使用代码和程序合成的缺失部分，并使得准确率从 8% 提高到 80% 以上。”
德罗里在 MIT 官网上说。该研究将有助于改善高等教育现状，新模型对学生和老师都能有所帮助。它能建立问题和课程的图表，基于数据的角度，助力理解课程及其先决条件之间的关系。
除了解答数学问题，新模型还能作为“机器导师”，向学生展现题目解答所涉及的步骤，并且快速生成新问题。同时，它还可以对课程内容进行简化，这可在大型开放式网络课程领域发挥重要作用。
据了解，研究人员在这项工作上花费了近两年。他们最开始发现，模型只接受文本数据训练的话，它回答高中水平数学问题时的错误率基本都在 92% 以上。
而那些利用图神经网络的模型经过一段时间训练后，能更好地解决机器学习课程问题。然后，
德罗里决定尝试将 MIT 和哥伦比亚大学的数学课程转变为相应的编程任务，这一过程用到了程序合成和小样本学习技术。
论文题目：A neural network solves, explains, and generates university math problems by program synthesis and few-shot learning at human level.
详细解读：https://www.aminer.cn/research_report/6306253a7cb68b460f0aeffd
AMiner链接：https://www.aminer.cn/?f=cs
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。