大模型评估排障指南 | 关于 LaTeX 公式解析

这是 大模型评估排障指南 系列文章的第二篇，敬请关注系列文章:

• 关于推理
• 关于 LATEX 公式解析
• 关于可复现性

解析 LaTeX 很难。这个问题在评估输出为 LATEX 的模型时经常会遇到，例如 Hugging Face 的 数学评估基准。

这个基准使用 LATEX 来表示数学领域的计算和符号。评估难点在于对模型输出与标准答案的解析和比较。
结果表明，解析 LATEX 没有标准方法。

摘自 sympy 文档

lm-evaluation 框架使用 sympy (一个用于符号数学的 Python 库) 来对 latex 进行解析和比较。
使用 sympy 解析真值 (用真值自身对比测试) 只能得到约 0.94 的准确率。
怎么会是这样呢？后来发现 sympy 无法解析某些 (标准的 LATEX) 表达式。

例如: