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。

本文探讨了大型语言模型在自动形式化数学问题中的应用，特别是自然语言到形式化说明的翻译。研究表明，改进的神经定理证明器显著提高了证明率。此外，提出了几何形式化理论（GFT）和形式几何问题解决器（FGPS），有效解决了IMO级别的几何问题，并引入了新的自动形式化方法和基准，推动了自动定理证明的进展。