データホエールシェア
数学的大規模モデル: MathGPT、出典: Heart of the machine
TAL は、AI 時代の数学の基礎的な仕事をうまく行うために、数学分野の 1,000 億レベルの大規模モデルである MathGPT を立ち上げました。
国内大型模型市場に新たな「プレイヤー」が登場、今回は数学専用の大型模型です。
8月24日、マシンの心臓部は、TALの20周年記念ライブブロードキャストイベントで、CTOのTian Mi氏が、TALが開発した数学分野の1000億レベルの大規模モデルであるMathGPTが内部で開始されたと発表したことを知りました。テスト中。今後は公式サイト（ www.mathgpt.com ）から無料トライアル体験を申し込み、アカウントを登録することができる。
今年 5 月、TAL は、MathGPT という名前の自社開発の大規模数学モデルを開発中であると発表しました。MathGPT は、世界中の数学愛好家や科学研究機関向けに、問題解決アルゴリズムと講義アルゴリズムを中核とした数学の垂直分野の大規模モデルであり、中国で数学に特化して構築された初の大規模モデルでもあります。
使い方もとても簡単です。MathGPTを利用すると、数学の問題をテキストや画像でアップロードし、対話形式で解答フィードバックを得ることができるほか、「ランダム問題」ボタンを使用して数学の問題をランダムに生成し、システムが解答を与えることもできる。
現在、MathGPT は中国語版と英語版での PC およびモバイル エクスペリエンスをサポートしています。
優れた数学的問題解決スキル
MathGPT は、数学の分野に焦点を当てた、TAL の長年にわたる教育、教育、研究データの蓄積をまとめたものです。何千億もの大規模モデルのトレーニング、推論、展開フレームワークにより、モデルに強力な機能が与えられます。高品質な教育データにより、課題計算・説明・質疑応答などのマルチタスクの継続学習と教師あり微調整を実現し、優れたパフォーマンスを発揮します。さらに、人によるフィードバック調整の助けを借りて、モデルの総合的な品質がさらに向上します。MathGPT には、問題解決の精度、安定性、ユーザー エクスペリエンスにおいて明らかな利点があります。
MathGPT の数学的計算能力は、小学校、中学校、高校の数学の問題をカバーしていることがわかります。ただし、数学以外の Q&A 対話はまだオープンされていません。
MathGPTテクニカルレポート
具体的な効果は何ですか？CEval-Math、AGIEval-Math、APE5K、CMMLU-Math、Gaokao Mathematics、Math401 を含む 6 つの公的数学評価コレクションのテスト結果の中で、MathGPT は複数のテストで最高スコアを達成しました。同時に、MathGPT は C-Eval の中学校および高等学校の一般テスト セットでも良好な成績を収めました。
MathGPT の中学および高校科目の C-Eval リスト
また、問題解決の安定性と説明のしやすさの点で、MathGPTは多数の著名な教師の問題解決プロセスデータに基づいてモデルトレーニングを実施しており、モデルの問題解決ステップは専門的かつ明確です。
数列問題を例に挙げると、MathGPT の解答は「解析」「詳細説明」「仕上げ」の 3 つの部分から構成されており、一般的な大きなモデルの大まかな説明よりも詳細な説明になっています。そのうちの「分析」は、トピックの問題解決のアイデアや思考方法を提供し、ユーザーがトピックをより深く理解できるように支援します。クリックしてプロンプトを表示し、ユーザーが質問の意図を確認して熟考し、1 つの事例から推論を導き出すのに役立ちます。
ユーザーにとって、数学的問題を研究することは、答えそのものを得るということだけではなく、答えの背後にある問題解決の原理や思考ロジックについても知ることになります。他の汎用大規模モデルと比較して、MathGPT はより高い精度で問題を解決することができ、答えをより明確に分析してより明確に説明することもでき、AI 製品を使用して数学的問題を解決するというユーザーの中核的なニーズをよりよく満たします。
MathGPT のリリースと同時に、TAL は、世界的な人工知能の専門家や数学愛好家が経験して評価できるように、代表的で挑戦的な数学タスクの評価セットも更新しました。TAL は、MathGPT が数学教育の分野でより大きな役割を果たすことを望んでおり、大規模で高品質のコンテンツに基づいて数千億の大規模モデルを開発した経験と方法を業界と共有し、進歩を遂げたいと考えています。業界と一緒に。
TALのAIの蓄積
AI の波に押され、多くのテクノロジー企業が今年、汎用の大規模言語モデル製品の発売を発表しましたが、TAL は、既存の大規模言語モデルの微調整やインターフェイス呼び出しに基づくものではなく、別の方向性を選択しました。汎用の大規模言語モデルですが、数学の垂直分野における大規模モデルの徹底的な研究開発を行っており、独立した、安定した、持続可能な、高品質の数学的ソリューションの作成に取り組んでいます。
一般的な大規模モデルは「理論よりも文献を重視」していますが、数学的問題の解決、説明、質疑応答、推奨には明らかな欠陥があります。別のレベルでは、一般的な人工知能への道においては、数学的推論能力が非常に重要であり、世界中の多くの大企業がこの分野の研究を行っています。
「Talk Futureは数学データとビジネスにおいて20年の蓄積があり、大量の教育データと教育データを継続的に生成する能力を蓄積しているため、この困難だが正しいことを行うことを選択しました。」とTian Mi氏は述べました。長年の数学とAIの蓄積を活かして、AI大型モデル時代の数学の基礎的な仕事をしっかりやっていきたいと思っています。
実際、TAL は 2017 年の初めに AI lab 人工知能研究所を設立しました。TAL AI lab は、スマート教育 AI オープン イノベーション プラットフォームのサポートに基づいて、さまざまなトップ学術会議のコンテストで 16 回の優勝と 6 回の準優勝を獲得し、国際ジャーナルや国際会議で 100 件近くのハイレベルな学術論文を発表しています。
2019年、科学技術省はTALを利用してスマート教育のための国家次世代AIオープンイノベーションプラットフォームを構築すると発表し、TALは教育業界初で唯一のAI「ナショナルチーム」のメンバーとなった。 、AIの分野で長年にわたる深い研究を行っています。TAL は長年にわたり、教育指向の人工知能アルゴリズム機能、アプリケーション ソリューション、基本的なソフトウェアおよびハードウェア システム、教育業界の主要なニーズに基づくオープンソースおよびオープン サービスを備えた国家的な教育技術革新プラットフォームを構築してきました。
また、TAL は大規模モデル標準システムの構築推進にも積極的に参加しており、国家人工知能標準化総グループが主催する大規模モデルシリーズの国家標準に中核ユニットとして相次いで参加しており、中国情報通信技術院が主導する「大規模事前学習モデル技術と応用評価」グループ標準「方法」シリーズ、および教育情報化技術が主導する「教育一般モデル」シリーズ標準の作成教育省の標準委員会および国家情報技術標準化技術委員会。
最近、TAL は、中国情報通信技術院、復旦大学、iFLYTEK、Baidu およびその他の業界をリードする科学研究機関、大学、企業と協力して、教育用大規模モデルのグループ標準の編集において主導的な役割を果たしており、シナリオを包括的にカバーしています。アプリケーションの効果とサービスの信頼性 大規模な教育モデルの機能を評価し、大規模な教育モデルの適用に関する参考資料とガイダンスを提供します。
AIを活用して大規模な個別指導を実現
大規模な言語モデルの台頭により、AI テクノロジーをどのように使用してあらゆる階層にサービスを提供するかが社会の注目の焦点となっています。教育業界は、AI 分野の展開を開始した最初の業界の 1 つであり、AI が教育環境にどのような変化をもたらすかが常に注目を集めています。
「AI は教育業界を再定義する機会をもたらし、大規模モデル技術により大規模な個別指導の実現が可能になります。」 Tian Mi 氏は、TAL が 20 年間にわたり、オフラインの少人数クラスからオンライン学習に至るまで、個別化された学習を模索していることを紹介しました。大規模クラスから AI クラスまで、形式は常に進化していますが、指導内容は常に固定されており、生徒と教師の間のやり取りは少なく、粒度はトピック レベルまでしか到達できません。
Tian Mi 氏は、大規模モデルの本質は、データから知識を学習し、それを適用するためのより効率的な方法であると考えています。AIの能力の恩恵により、「生徒の自習＋AIが質問に答える」という新しい学習方法が広く可能になりました。学習者が高品質の教育コンテンツを取得するための敷居とコストが削減され、取得した教育コンテンツのパーソナライズと洗練の度合いが増加し続けており、数千人を対象とした AI 指導と Q&A 指導を実現でき、すべての生徒が最適な学習コンテンツを提供します。
TAL は、MathGPT に基づいて、世界中の学習者や数学愛好家により良いサービスを提供し、その経験を業界とタイムリーに共有し、AI テクノロジーを通じて教育テクノロジーの前向きな変化を支援するために、AI 環境での学習方法を引き続き模索していきます。
社内テストの順調な進捗により、MathGPT の問題解決能力は引き続き向上し、MathGPT に基づく製品レベルのアプリケーションも加速されており、近い将来リリースされる予定です。
乾物学習、3回分↓