Pi-GPS: 释放图表信息以增强几何问题求解
计算机视觉与模式识别
2025-03-10 v1 计算与语言
摘要
由于在智能教育领域的潜在应用，几何问题求解日益受到关注。受文本常引入歧义而图表可予以澄清这一观察的启发，本文提出了 Pi-GPS，一种释放图表信息力量以解决文本歧义的新框架，这是先前研究中很大程度上被忽视的一个方面。具体而言，我们设计了一个包含校正器和验证器的微模块：校正器利用 MLLM 在图表语境下消除文本歧义，而验证器确保校正后的输出遵循几何规则，从而减轻模型幻觉。此外，我们探讨了 LLM 在基于消歧形式语言的定理预测器中的影响。实验结果表明，Pi-GPS 超越了现有最先进模型，在 Geometry3K 上较先前的神经符号方法实现了近 10% 的提升。我们希望这项工作凸显在多模态数学推理中解决文本歧义的重要性，这是限制性能的关键因素。
引用
@article{arxiv.2503.05543,
title = {Pi-GPS: Enhancing Geometry Problem Solving by Unleashing the Power of Diagrammatic Information},
author = {Junbo Zhao and Ting Zhang and Jiayu Sun and Mi Tian and Hua Huang},
journal= {arXiv preprint arXiv:2503.05543},
year = {2025}
}