Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Επίλυση Μαθηματικών Προβλημάτων

Μάθημα 9 / 12 Ενημερώθηκε 2 Νοεμβρίου 2026 Για developers
Σε αυτήν τη σελίδα
  1. Μαθηματικά: Το Ιδανικό Πεδίο για Συλλογισμό
  2. Αριθμητικά Προβλήματα Πολλαπλών Βημάτων
  3. Εξισώσεις και Συστήματα Εξισώσεων
  4. Αποδείξεις και Επιχειρήματα
  5. Λογικά Αινίγματα
  6. Βελτιστοποίηση και Πιθανότητες
  7. Πρότυπο: Αυτόματη Επικύρωση
  8. Σύγκριση: Με και Χωρίς Συλλογισμό
  9. Βασικά σημεία

Μάθημα ενημερώθηκε στις 2 Νοεμβρίου 2026. Τα αρχικά παραδείγματα χρησιμοποιούσαν το Magistral, το οποίο αποσύρθηκε στις 31 Ιουλίου 2026. Τώρα καλούν το Mistral Small 4 (mistral-small-2603) ή το Mistral Large 4 (mistral-large-4-0) με reasoning_effort="high" και αναλύουν την απάντηση χρησιμοποιώντας τη συνάρτηση separer από το Μάθημα 3. Πηγή: Reasoning (Mistral Documentation).

Μαθηματικά: Το Ιδανικό Πεδίο για Συλλογισμό

Τα μαθηματικά προβλήματα αποτελούν την περίπτωση χρήσης όπου ο συλλογισμός προσφέρει τη μέγιστη αξία. Ένα μοντέλο χωρίς δυνατότητα συλλογισμού απαντά σωστά στο «2 + 2», αλλά συχνά αποτυγχάνει σε προβλήματα πολλαπλών βημάτων, αποδείξεις και λογικά αινίγματα. Με ενεργοποιημένο τον συλλογισμό, το μοντέλο αναλύει το πρόβλημα, επαληθεύει κάθε βήμα και επικυρώνει το αποτέλεσμα—ακριβώς αυτό που λείπει από τη δημιουργία token προς token.

Αριθμητικά Προβλήματα Πολλαπλών Βημάτων

Ας ξεκινήσουμε με μια περίπτωση όπου η σειρά των πράξεων καθορίζει το αποτέλεσμα. Μια έκπτωση 20% ακολουθούμενη από ένα κουπόνι 15 € δεν δίνει το ίδιο τελικό ποσό με ένα κουπόνι που εφαρμόζεται πριν την έκπτωση· ένα βιαστικό μοντέλο συχνά τα μπερδεύει.

from mistralai.client import Mistral

client = Mistral(api_key="YOUR_API_KEY")

probleme = """A store offers a 20% discount on all items.
A customer buys 3 items at 45 euros, 2 items at 30 euros, and 1 item at 75 euros.
They also have an additional 15-euro voucher applicable after the discount.
What is the final amount to pay? Detail each step."""

response = client.chat.complete(
    model="mistral-small-2603",
    reasoning_effort="high",
    messages=[{"role": "user", "content": probleme}]
)

# The model reasons step by step:
# 1. Calculate total price before discount
# 2. Apply 20% discount
# 3. Subtract 15-euro voucher
# 4. Verify the result

Ο συλλογισμός εμποδίζει το μοντέλο να παραλείψει βήματα και διασφαλίζει ότι ελέγχει τη συνοχή των ενδιάμεσων υπολογισμών του πριν παραδώσει το τελικό ποσό.

Εξισώσεις και Συστήματα Εξισώσεων

Τα συστήματα εξισώσεων δοκιμάζουν την ίδια πειθαρχία σε πιο τυπικό πλαίσιο. Εδώ, το prompt συστήματος επιβάλλει μια αυστηρή απαίτηση για λεπτομέρεια:

systeme = """Solve the following system of equations:
3x + 2y - z = 7
x - y + 2z = 3
2x + 3y + z = 12

Show every step of the solution."""

response = client.chat.complete(
    model="mistral-small-2603",
    reasoning_effort="high",
    messages=[
        {"role": "system", "content": "You are a mathematics teacher. Detail every operation."},
        {"role": "user", "content": systeme}
    ],
)

Το μοντέλο ξεκινά επιλέγοντας μια μέθοδο—αντικατάσταση, απαλοιφή ή πίνακες—εφαρμόζει τις πράξεις μία προς μία και στη συνέχεια αντικαθιστά τις τιμές του πίσω στις αρχικές εξισώσεις για να επαληθεύσει ότι ισχύουν. Αυτό το τελικό βήμα, που συχνά παραβλέπεται από τα μοντέλα χωρίς συλλογισμό, είναι αυτό που εντοπίζει τα λάθη στα πρόσημα.

Αποδείξεις και Επιχειρήματα

Οι μαθηματικές αποδείξεις αποκαλύπτουν την πλήρη δύναμη του συλλογισμού, υπό την προϋπόθεση ότι ορίζετε το αναμενόμενο πλαίσιο. Για μεγαλύτερες αποδείξεις, αξίζει να δοκιμάσετε το Mistral Large 4 σε λειτουργία high αν το Small 4 δεν επαρκεί. Η επιβολή των τεσσάρων σταδίων της επαγωγής στο prompt συστήματος εμποδίζει το μοντέλο να «συμπεράνει» βασισμένο μόνο σε δύο συγκεκριμένες περιπτώσεις:

demonstration = """Prove by induction that for any integer n >= 1:
1^2 + 2^2 + 3^2 + ... + n^2 = n(n+1)(2n+1) / 6"""

response = client.chat.complete(
    model="mistral-small-2603",
    reasoning_effort="high",
    messages=[
        {"role": "system", "content": """You are a rigorous mathematician.
Expected proof structure:
1. Base case (Initialization)
2. Inductive hypothesis
3. Inductive step (from n to n+1)
4. Conclusion"""},
        {"role": "user", "content": demonstration}
    ],
)

Λογικά Αινίγματα

Τα παζλ που βασίζονται σε περιορισμούς είναι ιδιαίτερα αποκαλυπτικά, καθώς κανένας μεμονωμένος τύπος δεν οδηγεί στη λύση· το μοντέλο πρέπει να εξερευνήσει πιθανότητες και στη συνέχεια να τις αποκλείσει. Το κλασικό παζλ με τρεις φίλους, τρία επαγγέλματα και τρία χρώματα αυτοκινήτων είναι το πιο καθαρό παράδειγμα.

enigme = """Three friends (Alice, Bob, Charlie) each have a different profession
(doctor, lawyer, engineer) and a car of a different color (red, blue, green).

Clues:
1. Alice is not the doctor
2. The owner of the red car is the lawyer
3. Bob does not have the green car
4. Charlie is not the lawyer
5. The engineer has the blue car
6. Alice does not have the red car

Find the profession and car color for each person."""

response = client.chat.complete(
    model="mistral-small-2603",
    reasoning_effort="high",
    messages=[{"role": "user", "content": enigme}]
)

Στα ίχνη συλλογισμού του, το μοντέλο παραθέτει τις πιθανότητες για κάθε άτομο, εφαρμόζει τους περιορισμούς έναν προς έναν, αποκλείει τους αδύνατους συνδυασμούς και στη συνέχεια επικυρώνει την επιλεγμένη λύση έναν και των έξι στοιχείων: Η Alice είναι η μηχανικός με το μπλε αυτοκίνητο, ο Bob είναι ο δικηγόρος με το κόκκινο αυτοκίνητο και ο Charlie είναι ο γιατρός με το πράσινο αυτοκίνητο. Το έκτο στοιχείο δεν είναι διακοσμητικό· χωρίς αυτό, η Alice και ο Bob θα μπορούσαν να ανταλλάξουν τους ρόλους τους ως δικηγόρος και μηχανικός, αφήνοντας το παζλ με δύο λύσεις. Ένα καλό μοντέλο συλλογισμού το επισημαίνει· είναι ένας εξαιρετικός τρόπος για να δοκιμάσετε τις δικές σας διατυπώσεις προβλημάτων. Αυτό το τελικό πέρασμα επικύρωσης distinguishes τη λογική εξαγωγή από μια τυχερή μαντεψιά.

Βελτιστοποίηση και Πιθανότητες

Τα προβλήματα απαρίθμησης θέτουν μια παρόμοια πρόκληση: η απάντηση εξαρτάται από μια επιλογή πιθανοτικού μοντέλου που η ΤΝ πρέπει να ρητοποιήσει πριν υπολογίσει.

proba = """An urn contains 5 red balls, 3 blue balls, and 2 green balls.
We draw 3 balls without replacement.
What is the probability of getting exactly 2 red balls and 1 blue ball?
Express the result as an irreducible fraction."""

response = client.chat.complete(
    model="mistral-small-2603",
    reasoning_effort="high",
    messages=[{"role": "user", "content": proba}]
)

Πρότυπο: Αυτόματη Επικύρωση

Για κρίσιμα αποτελέσματα, μια μόνο κλήση δεν αρκεί. Μπορείτε να αξιοποιήσετε τον συλλογισμό για δεύτερη φορά υποβάλλοντας την παραγόμενη λύση σε έναν ανεξάρτητο έλεγχο: το μοντέλο τότε προσεγγίζει το πρόβλημα έχοντας ήδη τη λύση μπροστά του, αναγκάζοντάς το να επαληθεύσει αντί να δημιουργήσει.

def solve_and_verify(client, problem):
    """Solves a problem and requests verification."""

    # Step 1: Resolution
    solve_response = client.chat.complete(
        model="mistral-small-2603",
        reasoning_effort="high",
        messages=[{"role": "user", "content": problem}]
    )

    _, answer = separer(solve_response.choices[0].message.content)

    # Step 2: Verification via a second call
    verify_response = client.chat.complete(
        model="mistral-small-2603",
        reasoning_effort="high",
        messages=[
            {"role": "user", "content": f"""Verify this solution to the following problem:

PROBLEM: {problem}

PROPOSED SOLUTION: {answer}

Is the solution correct? If not, correct it."""}
        ]
    )

    return {
        "solution": answer,
        "verification": separer(verify_response.choices[0].message.content)[1],
    }

Σύγκριση: Με και Χωρίς Συλλογισμό

Για να μετρήσετε τον αντίκτυπο σε ένα συγκεκριμένο παράδειγμα, επανεξετάστε το παζλ με τις κότες. Η αναλογικότητα είναι παραπλανητική και ωθεί ένα μοντέλο χωρίς συλλογισμό προς την απάντηση «12» μέσω απλής αναλογίας με το prompt.

probleme_test = "If 3 chickens lay 3 eggs in 3 days, how many eggs do 12 chickens lay in 12 days?"

# Without reasoning — risk of error via naive analogy (answer "12")
response_none = client.chat.complete(
    model="mistral-small-2603",
    messages=[{"role": "user", "content": probleme_test}],
    reasoning_effort="none"
)

# With reasoning — correct decomposition
response_high = client.chat.complete(
    model="mistral-small-2603",
    reasoning_effort="high",
    messages=[{"role": "user", "content": probleme_test}]
)
# Expected reasoning: 1 chicken = 1 egg / 3 days
# 12 chickens in 12 days = 12 * (12/3) = 48 eggs

Εκτελέστε και τις δύο κλήσεις στα δικά σας προβλήματα πριν αποφασίσετε· είναι ο μόνος αξιόπιστος τρόπος για να γνωρίζετε αν το επιπλέον κόστος του συλλογισμού δικαιολογείται στον τομέα σας.

Βασικά σημεία

  • Ο συλλογισμός διαπρέπει σε μαθηματικά προβλήματα πολλαπλών βημάτων
  • Χρησιμοποιήστε ένα prompt συστήματος που επιβάλλει μια δομή λύσης (βήματα, επαλήθευση)
  • Οι αποδείξεις με επαγωγή ωφελούνται enormously από τον δομημένο συλλογισμό
  • Τα λογικά αινίγματα αναδεικνύουν την εξερεύνηση και τον αποκλεισμό πιθανοτήτων
  • Υλοποιήστε διπλή επαλήθευση για κρίσιμα αποτελέσματα
  • Συγκρίνετε πάντα τα αποτελέσματα με και χωρίς συλλογισμό για να επικυρώσετε την προστιθέμενη αξία