会员服务
数学 · 数据集 · DeepMind · 原点 · Performer ·
10 月 3 日
Putnam-like dataset summary: LLMs as mathematical competition contestants
翻译：暂无翻译
Bartosz Bieganowski,Daniel Strzelecki,Robert Skiba,Mateusz Topolewski
Bartosz Bieganowski,Daniel Strzelecki,Robert Skiba,Mateusz Topolewski
from arxiv, 11 pages, 11 figures

In this paper we summarize the results of the Putnam-like benchmark published by Google DeepMind. This dataset consists of 96 original problems in the spirit of the Putnam Competition and 576 solutions of LLMs. We analyse the performance of models on this set of problems to verify their ability to solve problems from mathematical contests.


翻译：暂无翻译
0
下载
关闭预览

相关内容

数学是关于数量、结构、变化等主题的探索。
【跨语言BERT模型大集合】Transfer learning is increasingly going multilingual with language-specific BERT models
专知会员服务
54+阅读 · 2020年1月30日
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
34+阅读 · 2019年10月18日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
50+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
36+阅读 · 2019年10月17日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
18+阅读 · 2018年12月24日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
KingsGarden
13+阅读 · 2017年7月16日
From Softmax to Sparsemax-ICML16（1）
From Softmax to Sparsemax-ICML16（1）
KingsGarden
74+阅读 · 2016年11月26日
城市“建成环境——空间行为”的多尺度影响关系与机理研究
国家自然科学基金
13+阅读 · 2017年12月31日
Musielak-Orlicz-Sobolev 空间中的迹嵌入及其应用
国家自然科学基金
2+阅读 · 2015年12月31日
Schr？dinger-Poisson方程守恒DDG方法研究
国家自然科学基金
2+阅读 · 2015年12月31日
动态Gr？bner 基与GVW算法
国家自然科学基金
0+阅读 · 2014年12月31日
概率抽样设计及其统计推断方法
国家自然科学基金
6+阅读 · 2014年12月31日
Incorporating prior financial domain knowledge into neural networks for implied volatility surface prediction
Arxiv
17+阅读 · 2021年5月28日
Co-mining: Self-Supervised Learning for Sparsely Annotated Object Detection
Arxiv
13+阅读 · 2020年12月3日
A survey of embedding models of entities and relationships for knowledge graph completion
Arxiv
23+阅读 · 2020年8月10日
Billion-scale Commodity Embedding for E-commerce Recommendation in Alibaba
Arxiv
15+阅读 · 2018年5月24日
Re-ID done right: towards good practices for person re-identification
Arxiv
14+阅读 · 2018年1月16日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
数学
数据集
DeepMind
原点
Performer
相关VIP内容
【跨语言BERT模型大集合】Transfer learning is increasingly going multilingual with language-specific BERT models
专知会员服务
54+阅读 · 2020年1月30日
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
34+阅读 · 2019年10月18日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
50+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
36+阅读 · 2019年10月17日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
热门VIP内容
相关资讯
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
18+阅读 · 2018年12月24日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
KingsGarden
13+阅读 · 2017年7月16日
From Softmax to Sparsemax-ICML16（1）
From Softmax to Sparsemax-ICML16（1）
KingsGarden
74+阅读 · 2016年11月26日
相关论文
Incorporating prior financial domain knowledge into neural networks for implied volatility surface prediction
Arxiv
17+阅读 · 2021年5月28日
Co-mining: Self-Supervised Learning for Sparsely Annotated Object Detection
Arxiv
13+阅读 · 2020年12月3日
A survey of embedding models of entities and relationships for knowledge graph completion
Arxiv
23+阅读 · 2020年8月10日
Billion-scale Commodity Embedding for E-commerce Recommendation in Alibaba
Arxiv
15+阅读 · 2018年5月24日
Re-ID done right: towards good practices for person re-identification
Arxiv
14+阅读 · 2018年1月16日
相关基金
城市“建成环境——空间行为”的多尺度影响关系与机理研究
国家自然科学基金
13+阅读 · 2017年12月31日
Musielak-Orlicz-Sobolev 空间中的迹嵌入及其应用
国家自然科学基金
2+阅读 · 2015年12月31日
Schr？dinger-Poisson方程守恒DDG方法研究
国家自然科学基金
2+阅读 · 2015年12月31日
动态Gr？bner 基与GVW算法
国家自然科学基金
0+阅读 · 2014年12月31日
概率抽样设计及其统计推断方法
国家自然科学基金
6+阅读 · 2014年12月31日
Top
微信扫码咨询专知VIP会员
Top