GOLD: 几何问题解决器与自然语言描述
内容提要
本文介绍了多个几何问题求解模型和数据集的进展，包括Geo170K、GeoQA和GAPS等。研究表明，GAPS模型在几何问题解决上表现优越，特别是在证明任务中达到97.5%的准确率。此外，FGeo-P定理预测器显著提高了解决率。通过构建UniGeo和GeoEval基准，评估了大型语言模型在几何推理中的表现，发现其在复杂问题上的能力仍需提升。
延伸解读
几何求解模型的演进与性能对比
从2021年的NGS到2024年的GAPS，几何问题求解模型在架构和性能上均有显著提升。GAPS在证明任务上达到97.5%的准确率，较Geoformer提升41.1%，而FGeo-P将问题解决率从39.7%提升至80.86%。这些进展表明，结合问题类型分类和定理预测的方法能有效处理几何证明和计算任务。
大型语言模型在几何推理中的局限性
尽管大型语言模型在多步数学推理上表现出色，但在需要综合文本和图像信息的几何问题上仍面临挑战。GeoEval基准测试显示，WizardMath在主子集上准确率为55.67%，但在困难子集上仅6.00%，说明模型在复杂几何问题上的推理能力不足，且解决更深问题需要更长的推理链而非额外记忆知识。
形式化方法与数据集的推动作用
形式化几何系统如FormalGeo和GFT为AI自动推理提供了可读、可验证的解决方案。FormalGeo包含88个谓词和196个定理，能表示IMO级别问题，其FGPS求解器结合搜索和深度学习技术，在FormalGeo7k数据集上后向搜索失败率仅2.42%。这些形式化工具和数据集（如Geo170K、UniGeo）为模型训练和评估提供了重要基础。
Q&A
GAPS模型在几何问题求解中的表现如何？
GAPS模型在几何问题求解中表现优越，特别是在证明任务上达到了97.5%的准确率。
FGeo-P定理预测器的作用是什么？
FGeo-P定理预测器通过预测几何问题的定理序列，显著提高了解决几何问题的性能，解决率从39.7%提升至80.86%。
Geo170K数据集的特点是什么？
Geo170K是一个丰富的多模态几何数据集，旨在通过图像输入帮助大型语言模型解决几何问题。
如何评估大型语言模型在几何推理中的表现？
通过构建UniGeo和GeoEval基准，评估大型语言模型在几何推理中的表现，发现其在复杂问题上的能力仍需提升。
G-LLaVA在MathVista基准测试中的表现如何？
G-LLaVA在MathVista基准测试中表现优越，显著优于GPT-4-V，尽管只有7B参数。
PGPSNet解决了什么问题？
PGPSNet通过模态融合解决几何问题，增强了几何理解和推理的效果。
