吴氏方法可使符号人工智能超越银牌，AlphaGeometry 在 IMO 几何竞赛中表现优异，超过金牌得主
内容提要
本文介绍了基于Geoformer框架的几何问题基准测试UniGeo，提出了几何形式化理论（GFT）和形式几何问题解决器（FGPS），实现了高效的几何问题求解。研究表明，结合深度学习和符号推理可显著提高解题准确率，尤其在国际数学奥林匹克（IMO）级别的几何问题上。
延伸解读
形式化系统如何连接AI与几何证明
文章提出的几何形式化理论（GFT）和FormalGeo系统，通过88个几何谓词和196个定理，将IMO级别的平面几何问题转化为可验证的形式语言。这使得AI生成的证明步骤可读、可追溯，并能够被自动验证。这种形式化方法不仅提升了AI推理的可靠性，也为人类理解机器证明提供了桥梁。
搜索策略与深度学习结合降低失败率
FGPS作为形式几何问题解决器，支持前向搜索、后向搜索和AI辅助搜索。实验显示，后向深度优先搜索的失败率仅为2.42%，而结合深度学习技术可进一步降低失败率。这表明符号搜索与神经方法的互补性：符号方法保证严谨性，深度学习提升启发式效率。
定理预测器显著提升问题解决率
FGeo-P定理预测器利用语言模型预测几何问题的定理序列，在FormalGeo7k数据集上将问题解决率从39.7%提升至80.86%。同时，FGeo-TP在不同难度问题上减少了解决时间和搜索步骤。这展示了语言模型在符号推理任务中的潜力，即通过预测高层策略来引导搜索。
现有模型在几何难题上的局限
GeoEval基准测试评估了十个LLM和MM，发现WizardMath在主子集上准确率达55.67%，但在困难子集上仅6.00%。这表明当前模型在需要深度推理的几何问题上仍有很大提升空间，尤其是在逆向推理和复杂问题上。同时，GPT系列模型在重新表述的问题上表现更好，提示了增强模型能力的一种途径。
Q&A
吴氏方法如何提高几何问题的解题准确率？
吴氏方法通过结合深度学习和符号推理，显著提高了解题准确率，尤其在国际数学奥林匹克（IMO）级别的几何问题上。
什么是几何形式化理论（GFT）？
几何形式化理论（GFT）是指导几何形式系统发展的理论，旨在统一解决计算和证明问题。
FGPS在几何问题求解中扮演什么角色？
FGPS作为交互式助手和自动化问题解决器，利用多种搜索方法实现几何问题的求解。
GeoEval基准测试的目的是什么？
GeoEval基准测试旨在评估大型语言模型和多模态模型在几何数学问题上的性能，填补相关研究空白。
如何构建FormalGeo系统？
FormalGeo系统包含88个几何谓词和196个定理，能够表示、验证和解决IMO级别的几何问题。
FGeo-P定理预测器的作用是什么？
FGeo-P定理预测器利用语言模型预测几何问题的定理序列，从而提高了解决几何问题的性能。
