تا امروز اکثر بنچمارکهای ریاضی هوش مصنوعی روی مسائل ساده یا در سطح مسابقات دانشآموزی متمرکز بودند، اما حالا ورق برگشته!
محققان با معرفی «IMProofBench»، هوش مصنوعی را در سطح «اثباتهای پژوهشی» به چالش کشیدهاند. این بنچمارک شامل ۷۷ مسئله پیچیده است که توسط متخصصان ریاضی طراحی شده و مدلها باید مثل یک محقق واقعی، با استفاده از ابزارهایی مثل جستجوی وب و نرمافزارهای محاسباتی (مثل SageMath)، راه حل خود را ارائه دهند.
نتایج اولیه نشان میدهد مدلهای زبانی بزرگ فعلی همین حالا هم توانایی حل بخش قابلتوجهی از این مسائل پیچیده را دارند. این یک گام بزرگ برای رسیدن به هوش مصنوعی است که میتواند در کشف حقایق جدید ریاضی همدست انسان شود! 📐✨
منبع: arXiv NLP
