而在对AI进行训练测试后，发现成绩依然不理想。
数据集中的分步解决方案，能让语言模型像人类数学家一样使用 “短期记忆”。
即模型不必马上得出正确答案，而是可以逐步探索解法一步步走向正确答案。
但即使有了解决方案，研究者发现，对于GPT-2和GPT-3来说，准确率仍然很低.
从上图结果中能看出，让模型在产生答案之前生成自己的解决方案，实际上降低了准确性。因为在许多错误案例中，尽管解题步骤与问题相关，但它们是不合逻辑的。
此外，简单地增加模型中的训练时间和参数数量，有时会提高性能。但事实证明，这样做的代价过于高，训练的时间和能耗都大大增加。
而在AMPS上进行预训练可将准确率提升约25%，这相当于将模型大小提高15倍。
所以，尽管恶补了12500道高中数学竞赛题，GPT-3还是不及格。
但研究人员认为，让AI学会分步解题仍然有进步意义。
与直接在问题和答案上进行训练相比，MATH上训练过的模型，可以提高10%的相对准确率。
最重要的，是模型“掌握”了一些基本数学知识。在一些错误的解法下，AI已经懂得调用相关的公式定理，而不是胡言乱语一通。
AI数学竞赛的第一课，并不是毫无收获。
GPT-3也不要灰心，伯克利的团队说了，随着对模型的改进，今后它们的数学推理能力会越来越强。
MATH和AMPS现在都已开源，有兴趣的研究者可以直接下载：
https://github.com/hendrycks/math/
