字节推出的Seed-Prover模型在数学推理方面表现优异，解决了78.1%的国际数学奥林匹克（IMO）难题，并在普特南数学竞赛中取得显著成绩。该模型结合引理式证明和Seed-Geometry引擎，建立了独特的几何问题库，达到了IMO银牌水平。

本研究提出了TrustGeoGen，一个可扩展的正式验证数据引擎，旨在解决几何问题求解中的不足。该引擎通过多模态对齐生成和形式验证，显著提高了模型的逻辑一致性和泛化能力。

本研究提出GeoSense，旨在评估多模态大型语言模型（MLLMs）在几何问题解决中的推理能力。研究表明，几何原理的识别与应用仍是提升MLLMs推理能力的瓶颈，为未来研究指明方向。

谷歌DeepMind的AlphaGeometry2成功解决了2000-2024年IMO竞赛中84%的几何问题，超越金牌得主的平均水平。在50道题中完成42道，显著提升了推理能力和算法效率。尽管表现优异，AlphaGeometry2尚未开源，未来将参加2025年澳大利亚的IMO竞赛。

本研究提出了GeoX模型，旨在提升多模态大型语言模型在几何问题解决中的能力。通过单模态预训练和几何-语言对齐，GeoX在几何图像理解与推理方面表现优异，超越了多个基准测试中的现有模型。

本研究提出了一种基于课程学习的单目视觉里程计模型，旨在解决几何问题并提升性能。实验结果表明，该模型在复杂环境中的表现优于现有方法，验证了课程学习在视觉里程计中的有效性。

本文介绍了基于神经网络的解题方案PGPSNet，用于解决几何问题求解中的模态融合问题。通过将图解转化为文本描述，并结合训练、数据增强和自限制解码等方法，提升几何理解和推理能力。研究者构建了PGPS9K数据库来支持研究，并在PGPS9K和Geometry3K数据集上进行了实验证明该方法的优越性。

AlphaProof和AlphaGeometry 2是新开发的数学推理AI系统，成功解决了国际数学奥林匹克中的四个问题，达到了银牌水平。AlphaProof利用强化学习和形式化语言进行数学证明，而AlphaGeometry 2在几何问题上表现显著提升。这两者的结合展示了AI在数学推理领域的潜力，未来有望帮助数学家探索新假设和解决复杂问题。

AlphaGeometry是谷歌DeepMind的一种AI系统，结合了神经语言模型和符号推演引擎，能够解决复杂的几何问题。在国际奥林匹克数学竞赛中，AlphaGeometry表现出色，解决了25道题，超过了之前的方法和人类平均水平。虽然算力优势带来了强大的模型性能，但实际应用价值更重要。AlphaGeometry在教学和科研方面有潜力，但AI工具的特异性和统一性仍是挑战。AI for Science需要降低使用门槛和提升科研人员的能力。

大语言模型在多步数学推理方面表现出色，但需要评估视觉语言模型的推理能力。通过几何问题的镜头，我们评估了视觉语言模型的推理能力。创建了一个合成的几何问题数据集，进行系统评估。结果表明，这些模型在几何等主题的推理能力上并不如先前的基准测试所暗示的那样出色。释放这个数据集供进一步研究使用。

本研究提出了DreaMo，一种从单个且视角覆盖不完整的网络视频中重建关节3D形状的方法。通过使用条件视图扩散先验和定制的正则化方法解决了低视角覆盖区域带来的挑战，并引入了骨架生成策略生成可解释的人体骨架。研究结果表明DreaMo在新视角渲染、详细关节形状重建和骨架生成方面具有良好的质量，并且能够解决视角覆盖不完整导致的几何问题。