求解

蒂宾根大学的 Philipp Hennig 教授及其合著者编写了一本名为《Probabilistic Numerics: Computation as Machine Learning》的旧书，适合初级研究者进修使用。

对于求解偏微分方程来说，阿姆斯特丹大学、高通 AI 研究院的研究者最近推出的 MP-PDE 求解器又提供了一个选择。

为了衡量机器学习模型的数学求解能力，来自 UC 伯克利和芝加哥大学的研究者提出了一个包含 12, 500 道数学比赛难题的新型数据集 MATH，以及帮助模型学习数学基础知识的预训练数据集 AMPS。研究发现，即使是大参数的 Transformer 模型准确率也很低。