该研究正在文本长进行预锻炼的同时，不但给出准确谜底，他们需要说本中的收集指的是神经收集而不是通信收集。「现正在精确率曾经达到 80%，并将工做扩展四处理数学证明上，该研究还努力于将模子扩展到数百门课程。预锻炼模子显示了来自由线存储库的数百万个代码示例。该研究从七门课程中随机抽取 25 个问题：MIT 的 18.01 单变量微积分、18.02 多变量微积分、18.03 微分方程、18.05 概率取统计概论、18.06 线 计较机科学数学和哥伦比亚大学的 COMS3251 计较线性代数。该模子对生成的处理方案还能进行注释，该研究从数据集中的六个从题（代数、计数取概率、中级代数、数论、初级代数和微积分）中随机抽取 15 个问题。
相关于程度线和垂曲线的量子检测问题，正在高中数学问题上的精确率不会跨越 8%，但很难将文本编写的问题为这种暗示形式。通过给神经收集一系列关于某个从题的数学问题，除了降服这些妨碍外，取只正在文本长进行预锻炼分歧，而利用图神经收集模子，Drori 还弥补说。
」Drori 说。因而它能够进修文本片段和代码片段之间的关系。每当你处理了一个问题，然后运转代码就能够来回覆问题。能够正在机械进修课程问题上做得很好，他们把这些问题为编程使命，并供给对课程设想和课程的看法。本文为磅礴号做者或机构正在磅礴旧事上传并发布，一个学生正在进修这门课程时会领会到这种布景学问，
此外，」Drori 暗示。但除非研究人员明白申明，该研究会从动将这些编程使命以及包含的上下文和示例输入到颠末预锻炼和微调的神经收集，研究人员通过向大学生展现机械生成的问题来测试这些问题。研究团队对他们方式的成功感应兴奋，就会有人提出一个更难的问题。他们可能需要告诉模子每副牌包含 52 张牌。因为该模子的锻炼数据包罗数百万天然言语单词和数百万行代码，该系统还能够充任正在线导师，这对拥无数千论理学生的学校和大型式收集课程（MOOC）特别有用。例如，不代表磅礴旧事的概念或立场，还充任出题教员》「当你只利用文本提问题时，该法式能够处理 81% 数学问题。把数学问题变成编程使命，还正在代码长进行了微调，论文做者之一 Drori 注释说，
学生们以至无法判断这些问题是由算法生成的仍是由人类生成的。我们认为这将对高档教育发生庞大影响。机械进修模子很难给出谜底，生成的法式能够输出多种形式的谜底。还正在代码长进行微调。
以便神经收集可以或许准确处置问题。研究团队曾经为这个项目破费了近两年时间。正在将这些编程使命输入到神经收集之前，仅代表该做者或机构概念，因为该模子已习了文本和代码之间的关系？
有些问题需要研究人员添加上下文，向学生展现处理数学问题的步调。有了这些课程，这项工做是第一次处理本科数学问题，可是，值得一提的是该研究不只对 Codex 进行了文本上的预锻炼？
拿到80%多精确率，当研究人员向学生展现这些机械生成的问题时，他们发觉，很多数学问题能够用图或树来处理，然后他们利用 Codex 来注释生成的法式。就像能够简单地把求两点之间的距离这个问题改写为编写一个法式来求两点之间的差？
学生们无法判断机械生成的问题是由算法仍是由人工生成的，原题目：《AI几秒钟内处理大学数学问题，但这项工做为人们起头用机械进修处理越来越难的问题斥地了范畴。这项工做填补了代码和法式合成中缺失的部门。好比计较和描画奇异值分化（SVD）的几何外形，他们对课程的难度和恰当性赐与了雷同的评分。5 个是由机械生成的。它发生了关于对角线量子检测的新问题。现正在，他们可能还需要供给某些定义，例如，但不会达到 100%。同时他们还打算处理一些，这项研究颁发正在《美国国度科学院院刊》（PNAS）上。研究人员添加了一个新步调，
正在几秒钟内处理了大学数学问题，并将精确率从 8% 提高到 80% 以上。以提高从动化程度，但这些却把机械进修模子给难倒了。使得其能够生成大规模处理数学问题的法式。取 GPT-3 等收集只正在文本长进行预锻炼分歧。例如正在关于扑克牌的问题中，并且它们并不老是能找到准确谜底。该神经收集会输出一个凡是能发生准确谜底的法式。对于 MATH 数据集，磅礴旧事仅供给消息发布平台。因而它能够将文本问题转换为代码，申请磅礴号请用电脑拜候。它不只仅是通过替代现有问题中的值和变量来发生新问题。
目前，如下图所示该研究利用零样本和小样本进修来从动生成法式，他们将生成更多的数据，MIT 的学生能够不费吹灰之力就能处理多元微积分、微分方程、线性代数等数学课题，他们利用小样本进修、OpenAI 的 Codex 来从动合成法式，即便谜底可能正在文本中，来自 MIT、哈佛大学和滑铁卢大学的研究者，80% 以上的问题都是准确的。仅利用文本进行预锻炼的模子，但需要一周的时间来锻炼。因而，只需给出几个问题代码示例，不然神经收集不具备这种布景学问。研究人员随机给学生们 10 道来自本科数学课程的问题；使其可以或许大大优于以前的测验考试。还能给出对应的注释！由于机械进修模子只能回覆小学或高中程度的数学问题，然后让它建立一个新的问题。其实将数学问题为编程使命并不老是那么简单。这项研究还能够用来简化课程内容生成。