本文是大模型评估排障系列文章的第二篇，聚焦于评估输出为LaTeX公式的模型时遇到的解析难题。文章指出，解析LaTeX没有标准方法，即使使用sympy这样的专业数学库，也无法达到100%的准确率，因为sympy无法解析某些标准LaTeX表达式。为了缓解这个问题，可以重写LaTeX语法解析模块或添加人工检查来提高模型得分。作者最终选择在代码中添加字符串比较检查来解决问题，并对比了修复前后模型的Top 25结果。

🔍**LaTeX解析难题**：评估输出为LaTeX公式的大模型时，面临着LaTeX公式解析的挑战，没有标准的解析方法。

📚**Sympy的局限性**：即使使用专业的符号数学Python库sympy，也无法完美解析所有LaTeX表达式，真值自测准确率仅为0.94左右。

🛠️**问题缓解方案**：为了解决LaTeX解析问题，可以考虑重写LaTeX语法解析模块，添加必要功能，或者加入人工检查来提高模型得分。

✅**最终解决方案**：通过在代码中添加字符串比较检查，可以有效地缓解LaTeX解析问题，提升模型评估的准确性。

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:

couldn't parse one of [0,1) 或 [0,1)， I expected one of these: ']'[0,1)~~^

couldn't parse one of (-\iny,-5]\cup[5,\iny) or (-\iny,-5]\cup[5,\iny), I expected something else here(-\iny,-5]\cup[5,\iny)~~~~~~^

couldn't parse one of -\frac{1}{{}2x} or -\frac{1}{{}2x}, I don't understand this-\frac{1}{{}2x}~~~~~~~~~~~^

如何缓解这个问题？

重写 $\LaTeX$ 语法解析模块 并在代码中添加必须功能；或者往代码里添加人工检查来提高模型得分。在几乎陷入问题陷阱之后，我们认为在代码中添加字符串比较检查差不多就能缓解这个问题了。

LM 评估工具修复

结果

修复前后模型 Top 25 对比结果表格如下：

---

英文原文: raw.githubusercontent.com/huggingface…

原文作者: Nathan Habib

译者: SuSung-boy

审校: Adeena