💬 NLP

Formula-One Prompting: Equation-First Reasoning For Applied Mathematics

该论文提出了一种名为“Formula-One Prompting (F-1)"的新型提示方法，通过先将问题转化为数学方程作为中间表示，再据此自适应选择推理策略，从而在应用数学领域显著提升了大语言模型的解题性能。

原作者： Natapong Nitarach, Pittawat Taveekitworachai, Kunat Pipatanakul

发布于 2026-03-30

📖 1 分钟阅读☕ 轻松阅读

原作者： Natapong Nitarach, Pittawat Taveekitworachai, Kunat Pipatanakul

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这是一篇关于如何让大型人工智能（LLM）更擅长解决应用数学问题（如金融、物理、密码学）的论文。

为了让你轻松理解，我们可以把这篇论文的核心思想想象成教一个天才但有点“急躁”的学生如何解题。

🌟 核心问题：学生“想”得太快，忘了“写”公式

现在的 AI 模型（就像那个天才学生）在训练时读过海量的数学书，脑子里装满了各种公式（比如复利公式、牛顿定律）。

但是，当我们直接问它问题时，它习惯用两种老办法：

直接思考（CoT）：像写日记一样，一步步用文字推导。
- 缺点：容易在中间步骤算错，或者把物理概念搞混（比如把“与 x 无关”理解成“等于 0"）。
写代码算（PoT）：直接写 Python 代码来算数。
- 缺点：如果问题需要复杂的逻辑推理或证明，代码就帮不上忙了。

痛点：现有的方法都没有强迫 AI 先把题目翻译成数学公式。就像学生拿到物理题，还没列出 $F=ma$ 就开始瞎猜答案，结果往往南辕北辙。

🚀 解决方案：Formula-One Prompting (F-1) —— “方程式优先”策略

作者提出了一种新方法，叫 F-1（Formula-One Prompting）。名字里的"Formula-One"是双关语：既指“一级方程式赛车”（速度极快、精准），也指“公式第一（Formula First）”。

我们可以把 F-1 想象成给 AI 装了一个“解题导航仪”，它分两步走：

第一步：画地图（公式化阶段）

在开始解题之前，AI 必须先停下来，像画地图一样，把题目里的文字信息提取出来，明确写出 governing equations（主导方程）。

比喻：就像你要去一个陌生的城市，不能直接开车乱撞，得先拿出地图，标出起点、终点和必经之路（公式）。
作用：这一步强迫 AI 理清逻辑结构，把模糊的文字变成清晰的数学骨架。

第二步：自然行驶（自然流推理阶段）

一旦“地图”（公式）画好了，AI 就会根据地图的样子，自动选择最合适的开车方式：

如果地图很简单（只是代入数字），它就直接计算。
如果地图很复杂（需要多步推导），它就像写日记一样一步步推理（CoT）。
如果地图全是数字计算，它就写代码去跑（PoT）。

最神奇的地方：AI 不需要人类告诉它“这里该用代码，那里该用文字”。只要它看清了公式的结构，它自己就知道该用什么招数。这就像老司机看到路况，自然就知道是该踩油门还是打方向盘。

🏆 效果如何？快、准、狠！

论文在 5 个不同的 AI 模型和 4 个高难度测试（金融、物理、奥数、密码学）上进行了测试，结果非常惊人：

成绩大涨：
- 比传统的“一步步思考（CoT）”平均提高了 5.76%。
- 比“写代码（PoT）”平均提高了 8.42%。
- 在金融数学领域，提升更是高达 13.30%！
为什么在应用题上提升最大？
- 比喻：奥数题可能靠“灵光一闪”的创意，但金融和物理题是“按规矩办事”。F-1 强迫 AI 先找规矩（公式），所以它在这些领域表现最好。
- 比如在物理题中，AI 以前容易把“与 x 无关”误解为“等于 0"，但 F-1 通过先列出公式，完美避开了这个坑。
效率极高：
- 很多高级方法需要 AI 反复思考多次（像走迷宫一样试错），非常慢且贵。
- F-1 只需要一次调用（Single-call），就像赛车手一次过弯，既快又省资源。

💡 举个生活中的例子

题目：计算一笔投资的回报。

普通 AI (CoT)：
- “嗯，我有 100 块，利率 5%。先算利息... 等等，好像还要算通胀... 哎呀，最后结果是 6.3% 还是 0.063？我写成了 6.3，但题目要求小数格式。” -> 答错了格式。
F-1 AI：
- 第一步（画地图）：
  - 已知：收入 2.4%，增长 5%，通胀 2.3%。
  - 目标：求总回报率（注意：必须用小数表示）。
  - 公式： $R = \text{收入} + \text{增长} + \text{通胀} + \dots$
- 第二步（自然行驶）：
  - “哦，既然公式里全是小数运算，那我直接算： $0.024 + 0.05 + 0.023 = \dots$ "
  - “最后检查：题目要小数，我算出来是 0.063。完美！” -> 答对了。

📝 总结

这篇论文的核心思想就是：别急着跑，先画好路线图。

通过强迫 AI 在解题前先明确写出数学公式，它就能更聪明地选择解题策略，从而在金融、物理等需要严谨逻辑的领域，表现得比以前的方法都要好得多。这就像给 AI 装上了一双“透视眼”，让它能直接看到问题的数学骨架，而不是被文字表象迷惑。

这是一份关于论文 《Formula-One Prompting: Equation-First Reasoning For Applied Mathematics》（公式一号提示：面向应用数学的方程优先推理）的详细技术总结。

1. 研究背景与问题 (Problem)

核心痛点： 现有的大语言模型（LLM）提示方法（如思维链 CoT、思维程序 PoT）虽然能利用模型预训练中学到的数学知识，但没有显式地将“方程构建”作为推理的一个独立阶段。
方程鸿沟 (Equation Gap)： 尽管 LLM 在预训练阶段接触了大量包含控制方程（如复利公式、牛顿定律、密码学安全定义）的数学语料，但在解决应用数学问题时，现有的提示方法通常直接从问题描述跳转到解题步骤，跳过了将自然语言问题形式化为数学方程的关键步骤。这导致模型容易遗漏领域特定的约束条件，或在复杂的符号推导中产生错误。
现有方法的局限：
- CoT (Chain-of-Thought)： 依赖自然语言逐步推理，在复杂数学推导中容易产生级联错误。
- PoT (Program-of-Thought)： 依赖代码生成解决计算问题，但在概念性推理或无法编程表达的领域（如某些物理证明）表现不佳。
- 多调用方法 (Multi-call)： 如 Tree of Thoughts (ToT) 等，虽然有效但计算成本极高（需要多次调用 LLM），难以在实际生产环境中部署。

2. 方法论：Formula-One Prompting (F-1)

作者提出了一种名为 F-1 的单次调用（Single-call）、两阶段提示方法，旨在填补上述“方程鸿沟”。

核心流程

F-1 在一个 LLM 调用中完成以下两个阶段：

第一阶段：方程形式化 (Equation Formalization)
- 识别已知量与目标 (Identify Givens & Targets)： 从问题描述中提取显式的数值、条件和约束，明确求解目标。
- 构建控制方程 (Formulate Equations)： 强制模型将已知量与目标之间的数学关系表达为具体的数学方程（如 LaTeX 格式）。这一步迫使模型在开始解题前先理解问题的底层数学结构。
第二阶段：自然流推理 (Natural Flow Reasoning)
- 自适应策略选择： 基于第一阶段生成的方程结构，模型自然地选择最合适的解题策略，而无需人为设定路由规则。
  - 如果是简单的代入计算 $\rightarrow$ 直接计算 (Direct)。
  - 如果是多步推导或逻辑证明 $\rightarrow$ 思维链 (CoT)。
  - 如果是涉及复杂数值计算或迭代 $\rightarrow$ 思维程序 (PoT/代码)。
- 自我验证 (Verify)： 在得出最终答案前，模型会利用形式化的方程对解进行验证。

设计特点

单次调用： 不需要像 ToT 或自适应求解器那样进行多次 LLM 交互，保持了低延迟和低成本。
无显式路由： 不通过外部分类器决定使用 CoT 还是 PoT，而是让模型根据方程结构“自然流动”到合适的策略。
结构化中间表示： 方程作为中间表示（Intermediate Representation），比纯自然语言更精确，比纯代码更具概念性。

3. 关键贡献 (Key Contributions)

提出了 F-1 提示框架： 首次将“方程形式化”作为应用数学推理的强制性中间步骤，并在单次调用中实现了从方程到自适应求解策略的无缝衔接。
实证了方程形式化的核心作用： 通过对 1,916 个问题的逐题分析发现，方程形式化是性能提升的主要驱动力。与 CoT 相比，F-1 将 168 个错误问题修正为正确（净增 24 个正确），证明了显式写出方程能有效防止语义混淆和逻辑跳跃。
策略选择的高准确性： 分析显示，F-1 在应用领域的策略选择准确率达到 73%，并且其性能达到了理论上限（Upper Bound）的 81-84%，表明模型能够很好地根据方程结构匹配解题策略。
在应用领域的显著优势： 实验表明 F-1 在金融、物理等强依赖领域特定方程的领域表现最佳，而在纯数学竞赛题（如 IMO）上提升相对较小（因为部分题目过于困难或依赖直觉而非系统方程）。

4. 实验结果 (Results)

实验在 4 个基准测试（IMO-Bench, OlympiadBench, FinanceMath, AICrypto）和 5 个模型（GPT-5, Gemini 2.5 Pro, DeepSeek-V3.1, Qwen3-235B/30B）上进行。

整体性能提升：
- 平均而言，F-1 比 CoT 高出 +5.76%。
- 平均而言，F-1 比 PoT 高出 +8.42%。
- 在 60 次基准 - 模型对比中，F-1 赢得了 53 次 (88.3%)。
领域特异性提升：
- 金融数学 (FinanceMath)： 相比 CoT 提升 +13.30%。F-1 能更好地处理复利、P/E 比率等公式，并纠正输出格式（如小数与百分比的混淆）。
- 物理 (OlympiadBench Physics)： 相比 CoT 提升 +2.55%，优于纯数学部分的提升（+0.44%），验证了方程形式化对物理定律应用的帮助。
- 密码学 (AICrypto)： 相比 CoT 提升 +7.24%，特别是在处理复杂的归约证明（Reduction Proofs）时，F-1 能识别正确的子混合论证（Sub-hybrid argument），而基线模型常犯逻辑错误。
效率分析：
- F-1 保持了单次调用的效率，虽然输入 Token 略有增加（+68），但总 Token 消耗反而比 CoT 少（平均减少 11.7%），因为减少了无效推理步骤。
- 效率比（Accuracy/Tokens）在所有方法中最高（平均 1.51）。

5. 意义与结论 (Significance)

重新定义数学推理范式： 论文证明了在应用数学领域，“先形式化，后求解” 比直接求解更符合专家解题逻辑。方程不仅是计算工具，更是引导模型推理方向的“路标”。
低成本高性能： F-1 提供了一种无需复杂多阶段推理或外部工具即可显著提升 LLM 在专业领域（金融、物理、密码学）表现的方法，具有极高的落地价值。
揭示训练数据偏差： 作者推测，F-1 在应用领域的成功可能反映了高质量教科书和科学论文中“方程优先”的写作风格，而现有的 CoT 数据集更多来自竞赛题，缺乏这种结构化特征。
未来方向： 该方法为结合领域特定模板、以及将 F-1 与多调用机制结合提供了新的思路。

总结： Formula-One Prompting (F-1) 通过强制 LLM 在解题前先构建数学方程，成功弥合了预训练知识与实际应用之间的鸿沟。它以极低的计算成本，显著提升了模型在金融、物理和密码学等强依赖领域方程的应用能力，是目前解决应用数学问题最有效的提示工程方法之一。