論文の概要: From Symbolic Perception to Logical Deduction: A Framework for Guiding Language Models in Geometric Reasoning

• arxiv url: http://arxiv.org/abs/2609.10335v1
• Date: Wed, 09 Sep 2026 15:33:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:09.083604
• Title: From Symbolic Perception to Logical Deduction: A Framework for Guiding Language Models in Geometric Reasoning
• Title（参考訳）: 記号認識から論理的推論へ:幾何学的推論における言語モデル案内フレームワーク
• Abstract要約: 複素幾何学問題において,純粋大言語モデル (LLM) が最先端のLMMと競合することを示す。 我々のフレームワークは図を記号形式に変換するシンボリックビジョンを統合している。 このアプローチは、より明確で人間的なソリューションを提供しながら、Gemini 2.5 Proに匹敵するパフォーマンスを実現します。
• 参考スコア（独自算出の注目度）: 12.586340785916066
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Plane geometry remains a significant challenge in AI, requiring the integration of visual perception and mathematical reasoning. While Large Multimodal Models (LMMs) naturally handle visuo-linguistic inputs, they are often computationally intensive and opaque. We demonstrate that a pure Large Language Model (LLM), when equipped with specialized modules, can rival state-of-the-art LMMs on complex geometry problems. Our framework integrates a Geometric Vision Parser, which translates diagrams into symbolic form, with a Symbolic Solver that performs formal deductions, thereby mitigating hallucinations and promoting interpretable reasoning. To enable rigorous evaluation, we curate a benchmark of challenging problems from the 2025 Chinese Zhongkao examinations, ensuring data novelty and testing deeper deductive skills. Experiments demonstrate that our approach achieves performance comparable to Gemini 2.5 Pro while delivering clearer, human-like solutions.
• Abstract（参考訳）: 平面幾何学は、視覚知覚と数学的推論の統合を必要とするAIにおいて依然として重要な課題である。 大規模マルチモーダルモデル(LMM)は自然にビジュオ言語入力を処理するが、しばしば計算集約的で不透明である。 特定モジュールを備えた純粋大言語モデル (LLM) は, 複雑な幾何学的問題に対して, 最先端のLMMと競合することを示す。 本フレームワークでは,図形を記号形式に変換する幾何学的視覚パーザと,形式的推論を行うシンボリックソルバーを統合し,幻覚を緩和し,解釈可能な推論を促進する。 厳密な評価を可能にするため,2025年の中国江華省試験の課題のベンチマークをキュレートし,データの新規性を保証し,より深い推論能力をテストする。 実験では、より明確で人間らしいソリューションを提供しながら、我々のアプローチがGemini 2.5 Proに匹敵するパフォーマンスを達成することを示した。

関連論文リスト

• Deconstructing Multimodal Mathematical Reasoning: Towards a Unified Perception-Alignment-Reasoning Paradigm [82.57296908195654]
  MMR(Multimodal Mathematical Reasoning)は、テキストと視覚の両方のモダリティを含む数学的問題を解く能力に注目が集まっている。 現在のモデルは、実世界の視覚数学のタスクにおいて大きな課題に直面している。
  論文  参考訳（メタデータ） (2026-03-09T12:11:00Z)
• SpatialMath: Spatial Comprehension-Infused Symbolic Reasoning for Mathematical Problem-Solving [17.304596904197204]
  マルチモーダル・スモール・トゥ・メタル・サイズ言語モデル (MSLM) は、視覚情報とテキスト情報の統合において強力な能力を示している。 現在のモデルは、複雑な視覚入力を正確に分解し、幾何学的知覚と構造的推論を結びつけるのに苦労している。 本研究では,空間表現を構造的シンボリック推論チェーンに統合する空間注入推論フレームワークであるSpatialMathを提案する。
  論文  参考訳（メタデータ） (2026-01-24T15:31:20Z)
• TangramPuzzle: Evaluating Multimodal Large Language Models with Compositional Spatial Reasoning [104.66714520975837]
  古典的タングラムゲームのレンズを通して構成空間推論を評価するために,幾何グラウンドのベンチマークを導入する。 本稿では,タングラム集合を正確に機械で検証可能な座標仕様でグルーピングする記号幾何学的枠組みであるタングラム構成式(TCE)を提案する。 MLLMは、幾何学的制約を無視しながら、ターゲットのシルエットとのマッチングを優先する傾向がある。
  論文  参考訳（メタデータ） (2026-01-23T07:35:05Z)
• Achieving Olympia-Level Geometry Large Language Model Agent via Complexity Boosting Reinforcement Learning [66.79506488139707]
  大規模言語モデル(LLM)エージェントは強力な数学的問題解決能力を示す。 本研究では,メダリストレベルのメダリストレベルのLLMエージェントの構築とインターンジオメトリの紹介を行う。 InternGeometryは、命題と補助的な構成を反復的に提案することで幾何学の限界を克服し、それらを記号エンジンで検証する。 InternThinker-32BをベースとしたInternGeometryは、50 IMOの幾何学的問題の44を解き、平均金メダリストスコア(40.9)を超える。
  論文  参考訳（メタデータ） (2025-12-11T11:05:04Z)
• VEHME: A Vision-Language Model For Evaluating Handwritten Mathematics Expressions [11.210768330027674]
  本稿では,手書き数学応答を高精度かつ解釈可能な推論トレースで評価するためのVEHME-a Vision-Language Modelを提案する。 VEHMEは、構造的推論データを用いた微調整と、モデル出力を多次元グレーディング目標と整合させる強化学習という、2段階の訓練パイプラインを統合している。 VEHMEは、オープンソースモデル間の最先端のパフォーマンスを達成し、プロプライエタリなシステムの精度にアプローチする。
  論文  参考訳（メタデータ） (2025-10-26T19:03:27Z)
• Challenging the Boundaries of Reasoning: An Olympiad-Level Math Benchmark for Large Language Models [86.45058529521258]
  OlymMATHは、LLMの複雑な推論能力を厳格にテストするために設計された、Olympiadレベルの新しい数学ベンチマークである。 OlymMATHは200の厳密にキュレートされた問題があり、それぞれが手動で検証され、英語と中国語の並行バージョンで利用可能である。
  論文  参考訳（メタデータ） (2025-03-27T11:20:17Z)
• Visualizing Thought: Conceptual Diagrams Enable Robust Planning in LMMs [59.66595230543127]
  概念図はメンタルモデルを外部化し、関係のない詳細を抽象化して、エンティティの相互作用を効率的に捉える。 大規模言語モデル (LLM) と大規模マルチモーダルモデル (LMM) は、主にテキストを通して推論される。 我々は、LMMが複数の自己生成概念図を通した推論を可能にする、一般化可能なフレームワークであるVisual Thinkingを提案する。
  論文  参考訳（メタデータ） (2025-03-14T18:27:02Z)
• Forgotten Polygons: Multimodal Large Language Models are Shape-Blind [55.65083505741497]
  視覚言語タスクの性能は高いが、Multimodal Large Language Models (MLLM) は数学的な問題解決に苦戦している。 以上の結果から,正多角形同定において,トップモデルが50%未満の精度で達成されるなど,形状認識の根本的な欠点が明らかとなった。 図中の視覚的アノテーションを明示的に参照することにより、多段階の数学的推論を強化する。
  論文  参考訳（メタデータ） (2025-02-21T22:04:09Z)
• Describe-then-Reason: Improving Multimodal Mathematical Reasoning through Visual Comprehension Training [24.989732666940153]
  オープンソースのマルチモーダル大言語モデル(MLLM)は、テキスト入力や視覚入力を含む様々なタスクに優れる。 MLLMは複雑なマルチモーダルな数学的推論に苦慮し、GPT-4V(ision)やGemini-Proといった独自のモデルに遅れを取っている。 本稿では,2段階のトレーニングパイプラインVCARを提案する。
  論文  参考訳（メタデータ） (2024-04-22T21:59:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。