論文の概要: Lost in Perception: Isolating Perceptual and Reasoning Failures in Multimodal Physics and Geometry Reasoning

• arxiv url: http://arxiv.org/abs/2609.18991v1
• Date: Fri, 17 Jul 2026 09:04:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.588771
• Title: Lost in Perception: Isolating Perceptual and Reasoning Failures in Multimodal Physics and Geometry Reasoning
• Title（参考訳）: 知覚の喪失:多モード物理と幾何学推論における知覚と推論の失敗を解消する
• Abstract要約: 物理および幾何ベンチマークにまたがる5タスクの診断実験を紹介する。 誤った図形解釈は、モデルがテキストのみから正しく解ける問題であっても、性能を劣化させる。 修正されたキャプションの下でのリカバリは、いくつかのモデルでは高く、認識ブロックされた障害と真の推論ボトルネックを分離する。
• 参考スコア（独自算出の注目度）: 22.478506766076304
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multimodal LLMs report strong performance on scientific reasoning benchmarks, yet most treat perception and reasoning as a single measurable process. We introduce a five-task diagnostic experiment across physics and geometry benchmarks that isolates failures to perception, reasoning, or both. Incorrect diagram interpretation degrades performance even on problems models solve correctly from text alone, and accuracy generally rises from raw images to human-authored captions. Recovery under corrected captions is high for some models, separating perception-blocked failures from genuine reasoning bottlenecks. Which reasoning error follows a perception failure depends on domain: physics failures resolve into calculation errors, geometry into conceptual misapplication. As a discussion beyond our core experiments, InternS1-mini, despite heavy scientific pretraining and thinking capabilities, falls below the weakest model from experiments on every task, with reasoning traces frequently truncating before completion.
• Abstract（参考訳）: マルチモーダル LLM は科学的推論ベンチマークに強い性能を報告しているが、ほとんどの場合、知覚と推論を単一の測定可能なプロセスとして扱う。 物理および幾何ベンチマークにまたがって5タスクの診断実験を導入し、認識、推論、あるいはその両方に障害を分離する。 不正確な図形解釈は、モデルがテキストのみから正しく解いたとしても性能を低下させ、精度は一般的に原画像から人間によるキャプションへと上昇する。 修正されたキャプションの下でのリカバリは、いくつかのモデルでは高く、認識ブロックされた障害と真の推論ボトルネックを分離する。 物理学の失敗は計算エラーに分解し、幾何学は概念的誤用に分解する。 中核実験以外の議論として、InternS1-miniは、科学的な事前訓練と思考能力にもかかわらず、全てのタスクの実験から最も弱いモデルを下回る。

関連論文リスト

• A Comprehensive Anatomy of Human and DeepSeek-R1 LLM Mathematical Reasoning [5.982958282777651]
  AIME 2025の30の問題をモデルと人間の推論で比較する。 人間の解とDeepSeek-R1の間には明確な構造的違いがある。 真の推論のシグナルを2つ特定する。
  論文  参考訳（メタデータ） (2026-06-05T15:57:42Z)
• Causal Scaffolding for Physical Reasoning: A Benchmark for Causally-Informed Physical World Understanding in VLMs [49.55219052565761]
  CausalPhysは、知覚、予測、介入、目標指向という4つの領域にまたがる、ビデオと画像に基づく3000以上の慎重にキュレートされた質問のベンチマークである。 各質問は、専門家がアノテートした因果グラフがオブジェクト・属性・イベントの依存関係をキャプチャし、因果理解の解釈可能かつきめ細かい評価を可能にする。 これに基づいて、モデルの連鎖推論が正しい因果関係とどの程度うまく一致しているかを定量的に測定する因果グラフ基底計量を定式化する。 本稿では,CRFT(Causal Rationale-informed Fine-Tuning)を提案する。
  論文  参考訳（メタデータ） (2026-06-04T10:07:05Z)
• What MLLMs Learn about When they Learn about Multimodal Reasoning: Perception, Reasoning, or their Integration? [46.836858357488296]
  マルチモーダル推論モデルは、最近、オリンピアドレベルの幾何学のような挑戦的な領域を約束している。 マルチモーダル推論のサブスキルを切り離すために設計されたベンチマークであるMathLensを紹介する。
  論文  参考訳（メタデータ） (2025-10-02T06:58:29Z)
• PhysUniBench: An Undergraduate-Level Physics Reasoning Benchmark for Multimodal Models [69.73115077227969]
  大規模言語モデル(MLLM)の推論能力の評価と改善を目的とした大規模ベンチマークであるPhysUniBenchを提案する。 PhysUniBenchは、3,304の物理問題から成っている。 ベンチマークの構成には、複数のロールアウト、専門家レベルの評価、解決が容易な問題の自動フィルタリング、そして5段階の難易度グレーディングシステムを含む、厳格な多段階プロセスが含まれていた。
  論文  参考訳（メタデータ） (2025-06-21T09:55:42Z)
• Seeing is Not Reasoning: MVPBench for Graph-based Evaluation of Multi-path Visual Physical CoT [24.085953089267772]
  複雑な場面において,OpenAI o3 と GPT-4o が基本的な物理法則,空間的相互作用,因果的影響を把握できないことを示す。 我々は、視覚連鎖(CoT)レンズによる視覚的身体的推論を厳格に評価するベンチマークであるMVPBenchを紹介した。 最先端のMLLMでさえ、物理領域における視覚的推論精度の低下と画像テキストアライメントの弱さを示す。
  論文  参考訳（メタデータ） (2025-05-30T03:48:59Z)
• Large Language Models and Mathematical Reasoning Failures [1.6114012813668932]
  本稿では,50の高校レベルの単語問題を用いた大規模言語モデル(LLM)の数学的推論能力について検討する。 最終回答と解決手順の両方を厳格に分析して、推論の失敗を特定します。 より新しいモデル(例えば、o3-mini、deepseek-r1)はより精度が高いが、全てのモデルは空間的推論、戦略的計画、算術における誤りを示す。
  論文  参考訳（メタデータ） (2025-02-17T09:07:32Z)
• Context-Aware Reasoning On Parametric Knowledge for Inferring Causal Variables [49.31233968546582]
  本稿では,部分因果グラフの完成を目的とした新しいベンチマークを提案する。 原因と効果の間のバックドア変数を仮説化するLLMの強い能力を示す。 固定された関連性の単純な記憶とは異なり、我々のタスクはグラフ全体のコンテキストに応じてLCMを推論する必要がある。
  論文  参考訳（メタデータ） (2024-09-04T10:37:44Z)

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。