Eines der aufregendsten Dinge an der Internationalen Mathematik-Olympiade (IMO) ist der Austausch von Heften mit besonders anspruchsvollen mathematischen Problemen aus jedem Teilnehmerland. Nach der Veranstaltung verschwinden diese Hefte jedoch in der Regel und hinterlassen eine Lücke für KI-Forscher und Studenten, die für Wettbewerbe trainieren. Nun hat ein Team aus Forschern des Computer Science and Artificial Intelligence Laboratory (CSAIL) am MIT, der King Abdullah University of Science and Technology (KAUST) und dem Unternehmen HUMAIN einen Weg gefunden, diese Lücke zu schließen.
Ihre innovative Lösung ist MathNet, eine Fundgrube für hochwertige, auf Beweisen basierende mathematische Probleme, die den größten Datensatz seiner Art darstellt. Er enthält über 30 000 von Experten verfasste Probleme und Lösungen aus 47 verschiedenen Ländern in 17 Sprachen, die aus 143 Wettbewerben stammen, und ist damit fünfmal größer als alle bisherigen Datensätze. Als Beweis für seinen Erfolg wird MathNet in den kommenden Wochen auf der International Conference on Learning Representations (ICLR) in Brasilien vorgestellt werden.
But what truly sets MathNet apart isn’t just its size; it’s the diversity it brings. In contrast to earlier datasets that primarily highlighted competitions from just the US and China, MathNet encompasses a broad spectrum of countries, six continents, seventeen languages, and four decades of mathematical competition. It’s designed to encapsulate the entire range of mathematical perspectives and problem-solving traditions that span the globe.
Die Erstellung von MathNet war keine Aufgabe, die über Nacht erledigt wurde. Sie umfasste die Sammlung von 1 595 PDF-Bänden mit über 25 000 Seiten, die aus digitalen Dokumenten und Scans der letzten Jahrzehnte in zahlreichen Sprachen stammten. Einer der Hauptakteure war Navid Safaei, eine feste Größe in der IMO-Gemeinschaft, der diese Hefte seit 2006 manuell gesammelt und gescannt hat.
MathNet garantiert Qualität, indem es seine Aufgaben ausschließlich aus den offiziellen nationalen Wettbewerbsheften bezieht und somit Lösungen gewährleistet, die von Experten geschrieben und von Fachleuten geprüft wurden. Dadurch erhalten die KI-Modelle einen tieferen Einblick in das mathematische Denken und bieten den Schülern eine große, durchsuchbare Sammlung erstklassiger Aufgaben und detaillierter Lösungen aus der ganzen Welt.
Some of the world’s most advanced models such as the GPT-5 have been tested on MathNet, revealing the uneven progress in AI performance. The top-performing model, GPT-5, scored an average of just 69.3 percent on MathNet’s benchmark of 6,400 problems, showing room for significant improvement.
Darüber hinaus hat diese vielfältige Sammlung von MathNet das Potenzial, KI-Modelle mit einem globalen Spektrum mathematischer Kulturen in Kontakt zu bringen und so die Art und Weise zu verbessern, wie KI-Modelle Mathematik lernen. Durch die Einbeziehung verschiedener mathematischer Perspektiven soll das mathematische Denken nicht nur bei Menschen, sondern auch bei KI-Systemen verbessert werden. Es wird sogar ein Abfrage-Benchmark eingeführt, um zu testen, ob Modelle erkennen können, ob zwei Probleme von derselben grundlegenden mathematischen Struktur herrühren - ein entscheidendes Merkmal für das Wachstum der KI und der breiteren mathematischen Gemeinschaft.
Um dieses mathematische Wunderland zu erkunden, besuchen Sie mathnet.csail.mit.edu. Wenn Sie sich eingehender mit den ursprünglichen Nachrichten befassen möchten, lesen Sie MIT-Nachrichten. Und wer KI-Automatisierung in sein Unternehmen einführen möchte, sollte die Hilfe von implementi.ai.
Diese Website verwendet Cookies.