摘要
多模态大语言模型在几何推理方面仍受限于细粒度视觉元素的感知瓶颈。本文设计了一种统一形式语言,整合平面与立体几何,涵盖几何结构与语义关系。我们构建了包含 2.9 万样本的大规模数据集 GDP-29K,并提出结合监督微调与可验证奖励强化学习的训练范式,以确保句法正确性与几何一致性。实验表明,该方法实现了最先进的解析性能,且生成的形式化描述作为认知支架,显著提升了模型在下游几何推理任务中的表现。
AI 推荐理由
论文核心解决几何推理瓶颈,通过形式化解析提升多模态模型的推理能力。
研究机构
MAIS, Institute of Automation of Chinese Academy of Sciences
School of Artificial Intelligence, University of Chinese Academy of Sciences
论文信息