数学语言处理调查
本研究旨在支持科学家们在研究数学公式中理解标识符的含义,通过对两种方法进行对比,我们发现使用基于词性标注的距离以及句子位置来计算标识符 - 定义概率的 Mathematical Language Processing 方法可以大大提高用户体验,工具提示提供了显示定义的悬停显示,显示出来的定义与实际标识符的含义大致匹配。
Jul, 2014
本文提出了一种基于 “数理语言处理” 的数据驱动框架来自动评分开放性数学问题实现的方案,采用不同聚类方法组成的三层模型对多步解决方案进行追踪和错误定位,并在真实的慕课数据上进行了测试和验证,说明它可以极大地减少大规模教育平台上所需的人力投入。
Jan, 2015
本文探讨了在 STEM 类学术文献检索中,应用机器学习的一些挑战,以及目前普遍使用的文本 embedding 技术对于数学文档的不足,同时研究出一些让计算机更好地理解和学习数学的方面。
May, 2019
数学推理是评估人类智能基本认知能力的基石。该研究调查了大型语言模型在解决数学问题方面的真正进展、障碍、数学问题类型和相关数据集、解决数学问题的 LLM 技术范围、影响 LLMs 解决数学问题的因素和问题,并提供了这一快速发展领域中的现状、成就和未来挑战的整体观点。
Jan, 2024
近年来,在数学领域中,利用语言模型(LMs)取得了显著进展,本文从任务和方法论两个不同的角度对数学 LMs 进行了全面的调查和分类,揭示出大量的数学 LLMs 和超过 60 个数学数据集的应用和研究。
Dec, 2023
本文旨在提供可用于研究数学语言的不同背景下的带有注释的文献资料,并使用神经解析模型和人工干预预处理这些资料,以提供词性标签、词形还原和依赖树。我们评估了几种自然语言处理模型,在从文献资料中提取的基准数据上测试它们的性能,并展示它们在数学领域中的适应性和对于探索数学语言的有用性。虽然我们提供了学习助手以在特定环境中访问这些资料内容,进一步的工作仍然需要进行以使模型更好地适应数学,并提供更有效的学习助手以及将自然语言处理方法应用于不同的数学领域。
Jun, 2024
逻辑数学符号处理可能建立在更基本的认知系统之上,可能通过神经回收实现,而空间认知与逻辑数学符号处理之间存在更大的皮层重叠性,这为大型语言模型在逻辑推理方面的局限性提供了启示。
Jun, 2024
大型语言模型可用于定量信息检索,以帮助数据分析任务,如贝叶斯模型的先验分布以及缺失数据的插补。我们提出了一个提示工程框架,将大型语言模型视为科学文献的潜在空间界面,并与其他已建立的方法进行比较。同时讨论了使用大型语言模型作为 “专家” 的影响和挑战。
Feb, 2024