简洁几何描述作为桥梁：释放 LLM 在平面几何问题求解中的潜力

平面几何问题求解（PGPS）是一项多模态推理任务。现有工作通常端到端微调多模态大模型，但这可能损害基座模型的固有推理能力。本文提出训练一个多模态解释器将几何图转化为简洁的条件声明语言（CDL），再利用现成大语言模型进行推理。通过引入基于 CDL 匹配的奖励机制优化强化学习，并构建新数据集 Formalgeo7k-Rec-CoT。实验表明，该方法仅需少量数据微调，性能即优于主流开源及闭源多模态模型。