GenesisGeo：技术报告
人工智能
2026-02-24 v2
摘要
近期的神经符号几何定理证明器通过将神经引导与符号验证相结合，在欧几里得问题上取得了显著进展。然而，大多数现有系统几乎完全在符号空间中运行，在推理过程中很大程度上忽略了基于图形的直觉。对于人类而言，几何图形为识别非平凡的辅助构造提供了重要的启发式信息。同时，由于缺乏带有几何图形和推理监督的高质量数据，视觉语言模型（VLM）在几何问题上仍然举步维艰。在本文中，我们引入了 GenesisGeo-1M，这是一个用于视觉几何推理的大规模合成数据集，包含 100 万个多模态几何问题，并配有机器可检查的证明轨迹。基于该数据集，我们将几何学习构建为一种多任务训练范式，联合优化基于文本的证明生成和基于图形的证明生成，鼓励模型学习视觉基础和符号推演。大量实验表明，我们的 GenesisGeo-2B 模型在奥林匹克几何基准测试中达到了金牌级别的性能，在 IMO-30 上解决了 29/30 个问题，在 IMO-95 上解决了 63/95 个问题，在 HAGeo-409 上解决了 278/409 个问题。
引用
@article{arxiv.2509.21896,
title = {GenesisGeo: Technical Report},
author = {Minfeng Zhu and Zi Wang and Sizhe Ji and Zhengtong Du and Shengqiang Tai and Junming Ke and Xiao Deng and Zanlang Yin and Xiuqi Huang and Heyu Wang and Wei Chen},
journal= {arXiv preprint arXiv:2509.21896},
year = {2026}
}