AutoGPS：基于多模态形式化与演绎推理的自动几何问题求解
人工智能
2026-02-16 v2
摘要
几何问题求解在人工智能中提出了独特的挑战，需要出色的多模态理解能力和严谨的数学推理能力。现有方法通常分为两类：基于神经网络的方法和基于符号的方法，两者在可靠性和可解释性方面均存在局限性。为了应对这一挑战，我们提出了 AutoGPS，这是一个神经-符号协同框架，能够以简洁、可靠且人类可解释的推理过程求解几何问题。具体而言，AutoGPS 采用了多模态问题形式化器（MPF）和演绎符号推理器（DSR）。MPF 利用神经跨模态理解将几何问题转化为结构化的形式语言表示，并在 DSR 的反馈下协同完成。DSR 将形式化结果作为输入，将几何问题求解构建为超图扩展任务，执行数学上严谨且可靠的推导，以生成最小化且人类可读的分步解答。广泛的实验评估表明，AutoGPS 在基准数据集上取得了 SOTA 的性能。此外，人类分步推理评估证实了 AutoGPS 令人印象深刻的可靠性和可解释性，具有 99% 的分步逻辑连贯性。
引用
@article{arxiv.2505.23381,
title = {AutoGPS: Automated Geometry Problem Solving via Multimodal Formalization and Deductive Reasoning},
author = {Bowen Ping and Minnan Luo and Zhuohang Dang and Chenxi Wang and Chengyou Jia},
journal= {arXiv preprint arXiv:2505.23381},
year = {2026}
}