GeoSym127K：面向多模態幾何推理的可擴充套件符號可驗證合成

大型多模態模型（LMM）在幾何推理任務中常面臨視覺幻覺和缺乏精確數學思維鏈（CoT）資料的挑戰。為突破這一瓶頸，研究團隊提出了GeoSym引擎——一個自動化、可擴充套件的神經符號框架。該引擎透過型別條件語法和解析型SymGT求解器，推匯出精確的符號化真實標註，並與穩健的渲染管線無縫整合，生成高精度的幾何圖形。這種設計避免了傳統資料生成中的噪聲和模糊性，確保了標註的數學嚴密性。

基於該引擎，團隊構建了GeoSym127K資料集，包含5.1萬張高解析度影像、12.7萬個帶有符號化真實標註的問題以及5.5萬個經答案驗證的思維鏈問答對，並按難度分層（基礎、中級、高階）。同時，他們還推出了GeoSym-Bench——一個由專家精選的511個複雜樣本評測集，用於嚴格評估模型在依賴圖表和多步推理任務上的能力。該基準旨在填補現有幾何推理評測中缺乏高難度樣本的空白。

透過大規模監督微調（SFT），實驗證明GeoSym能夠顯著提升模型在依賴圖形和多步幾何任務上的表現。Qwen3-VL-8B模型在MathVerse純視覺子集上實現了22.21個百分點的絕對提升，在WeMath上達到61.52%（提升6.19%），有效緩解了長程邏輯碎片化問題，並超越了Doubao-1.8等先進閉源模型。值得注意的是，這些改進主要集中在需要視覺理解和逐步推理的任務上，而在純文本幾何問題上的提升較小，證實了GeoSym資料對圖表依賴任務的有效性。

此外，透過GRPO實現基於可驗證獎勵的強化學習（RLVR）表明，從結構化的SFT檢查點初始化要比零樣本RL顯著提高效能天花板。在確定性精確匹配訊號的驅動下，這展示了驗證推理合成的強大擴充套件潛力。研究人員還分析了不同難度層級的資料對模型效能的影響，發現高階別資料對提升複雜推理能力尤為關鍵。資料集和程式碼已在Hugging Face和GitHub公開發布，可供社群進一步研究和應用。