从符号感知到逻辑推理：引导语言模型进行几何推理的框架

平面几何一直是人工智能面临的重大挑战，需要融合视觉感知与数学推理能力。大型多模态模型虽能自然处理视觉与语言混合输入，但往往计算开销大且过程不透明。该研究证明，纯大语言模型在配备专用模块后，可在复杂几何问题上与当前最先进的多模态模型相媲美。其框架包含几何视觉解析器，将图形转化为符号形式，并配合符号求解器执行形式化演绎，从而减少幻觉并提升推理的可解释性。为进行严格评估，研究者基于 2025 年中国中考题目构建了高难度基准，以保证数据新颖性并检验更深层的演绎能力。实验表明，该方法性能与 Gemini 2.5 Pro 相当，同时能给出更清晰、更接近人类解题过程的解答。