Geoparsing：用于平面和固体几何的图式解析
计算机视觉与模式识别
2026-04-17 v2
摘要
多模态大语言模型（MLLMs）取得了显著进展，但仍在几何推理方面受限，主要由于对细粒度视觉元素的感知瓶颈。虽然形式语言有助于平面几何理解，但固体几何需要空间理解，目前仍 largely 未探索。本文通过设计一种统一形式语言，将平面和固体几何整合，全面覆盖几何结构和语义关系。我们构建了 GDP-29K 数据集，包含20k 组平面几何和9k 组固体几何样本，每个样本配有其 ground-truth 形式描述。为确保语法正确性和几何一致性，我们提出了一种训练范式，将监督式微调与通过可验证奖励的强化学习相结合。实验表明，我们的方法实现了最先进的解析性能。进一步地，我们表明解析后的形式描述作为关键认知支架，显著提升了 MLLMs 在下游几何推理任务中的能力。我们的数据和代码均已公开于 Geoparsing。
引用
@article{arxiv.2604.11600,
title = {Geoparsing: Diagram Parsing for Plane and Solid Geometry with a Unified Formal Language},
author = {Peijie Wang and Ming-Liang Zhang and Jun Cao and Chao Deng and Dekang Ran and Hongda Sun and Pi Bu and Xuan Zhang and Yingyao Wang and Jun Song and Bo Zheng and Fei Yin and Cheng-Lin Liu},
journal= {arXiv preprint arXiv:2604.11600},
year = {2026}
}
备注
Accepted to ACL2026