TrustGeoGen：面向可信多模态几何问题解决的形式化验证数据引擎
人工智能
2026-03-27 v3 计算与语言
摘要
几何问题解决（GPS）需要精确的多模态理解和严格的、逐步的逻辑推理。然而，开发适用于 GPS 的多模态大型语言模型（MLLM）受制于高质�、可验证数据的稀缺。现有的数据获取范式要么因模态不完整和未验证的逻辑间隔（“leaps-of-faith”）而受限，要么依赖形式引擎生成僵化、结构单一的数据，无法产生高难度问题或促进真正的自然语言推理。为克服这些限制，我们提出 TrustGeoGen，一个自主且形式化的几何数据生成引擎。TrustGeoGen 通过形式化验证严格保证推理的可信度，同时生成集成多模态的数据，包括前提、视觉图示和解决方案。为系统性地扩展问题难度，我们采用难度感知过滤和迭代引导机制。此外，我们提出“connection thinking”以桥接严格形式逻辑与流畅类人推理之间的语义鸿沟，确保逻辑转换的连贯性。我们还引入 GeoExplore 系列抽样算法，基于各种思维模板提取多样化的问题解决轨迹。广泛的实验表明，在我们合成的数据集 GeoTrust 上训练模型，显著提升了深度几何推理能力，并在包括 GeoQA、Geometry3K 和 OlympiadBench 在内的多个 OOD 基准上取得显著性能提升。我们的代码和数据可在 https://github.com/InternScience/TrustGeoGen 找到。
引用
@article{arxiv.2504.15780,
title = {TrustGeoGen: Formal-Verified Data Engine for Trustworthy Multi-modal Geometric Problem Solving},
author = {Daocheng Fu and Jianlong Chen and Renqiu Xia and Zijun Chen and Qi Liu and Yuan Feng and Hongbin Zhou and Renrui Zhang and Shiyang Feng and Peng Gao and Hongyuan Zha and Junchi Yan and Botian Shi and Yu Qiao and Bo Zhang},
journal= {arXiv preprint arXiv:2504.15780},
year = {2026}
}