超越符号求解：大语言模型中几何推理的多链CoT投票
量子气体
2026-04-02 v1 量子物理
摘要
几何问题求解(GPS)始终是提升大语言模型数学推理能力的核心，因为它需要diagrammatic understanding、symbolic manipulation和logical inference的结合。在既有文献中，研究者主要关注将diagram descriptions与text literals同步，并求解问题。在此框架下，他们要么采用神经方法，要么采用符号方法，要么采用神经-符号方法。但这种方法仅解决了前两个要求，即diagrammatic understanding和symbolic manipulation，而logical inference在发展不足。logical inference往往仅限于单一链CoT。为解决此 weakness，本文提出MARS-GPS，该方法生成多个平行reasoning rollouts，增强Python代码执行进行数值验证，使用基于token-level entropy的置信信号对其进行排序，并通过多阶段投票和自验证管道汇总答案。实证结果表明，MARS-GPS在8个平行 rollouts下达到88.8%在Geometry3K上的准确率，较prior state-of-the-art提高了近11%，且随rollouts数量从1增加到16，准确率持续增长（在ablation子集上提升6.0%）。我们提供的代码和数据位于匿名仓库：https://anonymous.4open.science/r/MARS-GPS-DE55。
引用
@article{arxiv.2604.00889,
title = {Ground-state solution of quantum droplets in Bose-Bose mixtures},
author = {Wei Liu and Limin Xu},
journal= {arXiv preprint arXiv:2604.00889},
year = {2026}
}