M$^3$-ACE：通过多智能体上下文工程修正多模态数学推理中的视觉感知

多模态大语言模型在视觉数学推理中表现优异，但常受限于不准确的视觉感知。研究发现，失败主因是视觉证据提取错误而非推理能力不足，且模型对初始感知过度自信。为此，本文提出 M$^3$-ACE 框架，通过解耦感知与推理，利用多智能体动态维护共享视觉证据上下文以纠正错误。引入摘要与精炼工具支持稳定协作。实验表明，该方法在 MathVision 等基准上取得最先进结果，显著提升了多模态推理性能。