論文の概要: MathVis: Can AI Reason through Drawing? A Benchmark for Mathematical Figure Generation

• arxiv url: http://arxiv.org/abs/2610.12954v1
• Date: Fri, 09 Oct 2026 03:52:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.379521
• Title: MathVis: Can AI Reason through Drawing? A Benchmark for Mathematical Figure Generation
• Title（参考訳）: MathVis: 描画によるAI推論は可能か? 数学的図形生成のためのベンチマーク
• Abstract要約: MathVisは、LLMがフロンティア数学の問題を可視化し、ダイアグラム支援推論を実行する能力を評価するために設計されたベンチマークである。 GPT-6-Astra、Claude Fable 5、Gemini 3.1 Pro Previewはそれぞれ31.25%、26.56%、22.85%のスコアを獲得した。
• 参考スコア（独自算出の注目度）: 10.772880731161017
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: This paper introduces MathVis, a benchmark designed to evaluate LLMs' ability to visualize frontier mathematical problems and perform diagram-assisted reasoning. The benchmark consists of 512 tasks, each comprising a mathematical statement, a reference diagram, executable TikZ or SVG code, a Gold Intermediate Representation (IR), atomic rubrics, and error codes. Through rigorous evaluation, GPT-6-Astra, Claude Fable 5, and Gemini 3.1 Pro Preview achieve pass@1 scores of 31.25%, 26.56%, and 22.85%, respectively. We found that although the tasks require visualization, LLMs produce outputs dominated by formal languages, symbols, and graphics programs, rather than explicit diagram-mediated reasoning. Furthermore, while the solutions generated by LLMs may contain all the necessary elements, they are often visually confusing to humans. Ultimately, this benchmark aims to visualize mathematical problems and promote research on enabling LLMs to simplify their reasoning via visual diagrams.
• Abstract（参考訳）: 本稿では,LLMのフロンティア数学的問題を可視化し,図形支援推論を行う能力を評価するためのベンチマークであるMathVisを紹介する。 ベンチマークは512のタスクで構成され、それぞれが数学的ステートメント、参照ダイアグラム、実行可能なTikZまたはSVGコード、ゴールド中間表現(IR)、原子ルーリック、エラーコードで構成されている。 厳格な評価により、GPT-6-Astra、Claude Fable 5、Gemini 3.1 Pro Previewはそれぞれ31.25%、26.56%、22.85%のパス@1スコアを獲得した。 これらのタスクは視覚化を必要とするが、LCMは明示的な図による推論ではなく、形式言語、シンボル、グラフィックプログラムに支配される出力を生成する。 さらに、LLMが生成する解には必要な要素がすべて含まれている可能性があるが、視覚的に人間と混同されることも多い。 最終的に、このベンチマークは数学的な問題を可視化し、LLMが視覚図による推論を単純化できるようにする研究を促進することを目的としている。

関連論文リスト

• Math-Vision Diagrams: A Comprehensive Benchmark for Evaluating LLM Mathematical Diagram Generation Capabilities [0.0]
  大規模言語モデル(LLM)を評価するために特別に設計された最初のベンチマークであるMath-Vision Diagramsを紹介する。 3040のうち2920枚の画像のサブセットを,本質的な視覚的コンテキストを持つ高品質な競合問題から選択する。 すべてのコード、データ、キュレーションパイプライン、評価スクリプトが完全にオープンソースになる。
  論文  参考訳（メタデータ） (2026-08-09T23:58:01Z)
• From Text to Visuals: Using LLMs to Generate Math Diagrams with Vector Graphics [4.012351415340318]
  大規模言語モデル(LLM)は、教師と学生の両方のサポートを自動化することで、数学教育を強化する新しい可能性を提供する。 LLMを使ってスケーラブルベクトルグラフ(SVG)を生成する最近の研究は、図作成を自動化するための有望なアプローチを示している。 本稿では,(1)問題解のヒントを自動的に生成し,それらの品質を評価する方法,(2)SVGが数学図の効果的な中間表現であるかどうか,(3)正確なSVGベースの図を生成するためには,LSMがどのような戦略や形式を必要とするのか,という3つの研究課題に対処する。
  論文  参考訳（メタデータ） (2025-03-10T15:13:38Z)
• CodeGraph: Enhancing Graph Reasoning of LLMs with Code [43.79249671845997]
  本稿では,グラフ問題の解をコードとしてエンコードするCodeGraphを紹介する。 CodeGraphは、大きな言語モデル内のグラフ推論タスクのパフォーマンスを1.3%から58.6%向上させることができる。
  論文  参考訳（メタデータ） (2024-08-25T15:27:21Z)
• Can Large Language Models Understand Symbolic Graphics Programs? [136.5639211254501]
  シンボリックグラフィックスプログラムはコンピュータグラフィックスで人気がある。 これにより、視覚エンコーダを使わずに、画像や3次元幾何学に関する意味的な疑問に答えるLLMの能力をテストすることができる。 我々は、最小限の努力で手続き的に構築されたシンボルグラフィックプログラムの意味的視覚的理解のためのベンチマークを作成する。 我々は,プログラムの視覚的アウトプットを判断する能力を評価するため,商用およびオープンソースLCMをベンチマークで評価した。
  論文  参考訳（メタデータ） (2024-08-15T17:59:57Z)
• MathVerse: Does Your Multi-modal LLM Truly See the Diagrams in Visual Math Problems? [99.0305256706604]
  MLLMの公平かつ詳細な評価のために設計された全周視覚数学ベンチマークであるMathVerseを紹介する。 我々は,2,612の高品位・多目的数学問題を,公開情報源の図を用いて慎重に収集する。 このアプローチにより、MathVerseは、数学的推論のためのビジュアルダイアグラムを、どの程度のMLLMが真に理解できるかを包括的に評価することができる。
  論文  参考訳（メタデータ） (2024-03-21T17:59:50Z)

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。