智能的基础：从人类认知视角审视数学 word 问题
人工智能
2025-10-28 v1
摘要
数学 word 问题（MWP）是人工智能（AI）研究的基本主题，始于 1960 年代。这项研究旨在通过模拟人类类认知智能来提升 AI 的推理能力。主流技术范式从早期的基于规则的方法发展到深度学习模型，正快速向大型语言模型转变。然而，该领域仍缺乏沿人类认知视角对 MWP 调查的系统分类，以及对当前发展趋势的讨论。因此，本文旨在通过人类认知的视角全面审阅 MWP 求解相关研究，展示最近 AI 模型在模拟人类认知能力方面的进展。具体而言，我们总结了 MWP 求解中5个关键认知能力，包括问题理解、逻辑组织、关联记忆、批判性思维和知识学习。在这些能力基础上，我们审阅了过去10年中两种主流的 MWP 模型：神经网络求解器和基于大型语言模型的求解器，并讨论了它们在复杂问题解决过程中所展现的核心人类类能力。此外，我们重新运行了所有代表性 MWP 求解器，并在5个主流基准上补充其性能，以进行统一比较。据我们所知，本次调查首次从人类推理认知的角度全面分析了过去十年最具影响力的 MWP 研究，并提供了现有方法的整体比较。我们希望为 AI 推理领域的进一步研究提供灵感。我们的存储库已发布于 https://github.com/Ljyustc/FoI-MWP。
关键词
引用
@article{arxiv.2510.21999,
title = {Foundation of Intelligence: Review of Math Word Problems from Human Cognition Perspective},
author = {Zhenya Huang and Jiayu Liu and Xin Lin and Zhiyuan Ma and Shangzi Xue and Tong Xiao and Qi Liu and Yee Whye Teh and Enhong Chen},
journal= {arXiv preprint arXiv:2510.21999},
year = {2025}
}