💻 computer science

FormalAnalyticGeo: A Neural-Symbolic Based Framework for Multimodal Analytic Geometry Problem Generation

本文介绍了 FormalAnalyticGeo，这是一个利用形式化中间语言（CDL）和多阶段大语言模型流水线来自动生成包含 7,000 多个高质量、经验证的多模态解析几何题目的神经符号框架，有效地克服了现有方法中标注样本稀缺以及几何精度受限的问题。

原作者： Ruoran Xu, Wending Gao, Qiufeng Wang

发布于 2026-07-15

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Ruoran Xu, Wending Gao, Qiufeng Wang

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

想象一下，你正在试图教一个超级聪明的机器人如何解决涉及圆、椭圆和波浪线（圆锥曲线）的棘手数学谜题。问题在于，这个机器人擅长阅读文字，但却不擅长在做数学题的同时观察图片。为什么？因为从来没有人建立过一个既有题目又有绘图的庞大且完美的这些谜题库。

于是，FormalAnalyticGeo 诞生了——这是一个全新的“机器人工厂”，旨在从零开始构建这些谜题，而不需要任何人类去画一条线或写一个答案。

问题所在：机器人画出的垃圾

研究人员发现，当他们要求现有的 AI 机器人绘制这些数学图表时，结果简直是一场灾难。一个机器人画了一个其实并不是圆的圆；另一个机器人画出的双曲线看起来像个变形的土豆。它们在“幻觉”形状。这些机器人可以谈论数学，但它们无法正确地“看到”它。

解决方案：数字流水线

该团队构建了一个四步走的流水线，就像一个高科技施工队，将蓝图向下传递，直到一个完美的谜题产出。

1. 建筑师（生成器）
首先，一个“生成器”机器人会构思一个数学问题。它就像一个创意作家，发明了一个关于球在弯曲轨道上滚动的场景。但关键在于，它不仅仅是在写故事；它还会为那条轨道写下精确的数学方程。

2. 翻译官（形式化器）
接下来，“形式化器”会将那个故事转化为一种被称为 CDL（条件描述语言）的秘密代码。把 CDL 想象成一个严格、不可逾越的食谱。它精确地告诉计算机每个点的位置以及每条线是如何连接的，不留任何“也许”或“看起来像”的空间。

3. 建造者（SDF 引擎）
这是神奇的部分。一个特殊的引擎会读取 CDL 食谱并构建图表。该引擎不是靠猜测在哪里画一条曲线，而是使用了一种称为**符号距离场（Signed Distance Fields, SDF）**的技术。想象一下一个由微小磁铁组成的场，它们知道自己距离形状边缘有多远。该引擎利用这些磁铁来“生长”出曲线，实现数学上的精确性。它在绘图的同时进行数学计算，因此图像保证与方程完美匹配。

4. 检查员（质量验证器）
在谜题完成之前，一个严格的“检查员”机器人在三个不同的检查点对工作进行检查。

第一道门： 问题本身是否可解？
第二道门： CDL 食谱是否与故事相符？
第三道门： 如果用尺子测量图表，它是否与答案相符？

如果检查员发现了错误（比如一条线稍微有点歪），它不会直接扔掉谜题，而是将它送回流水线上方并附上一张便条：“修复这个！”机器人会再次尝试，形成一个自我纠错的闭环。这意味着系统永远不需要人类来说：“嘿，那个圆不对。”

结果：一个完美的谜题巨型库

通过运行这个工厂，该团队创建了 AnalyticGeo7K 数据集，其中包含 7,043 个经过验证的数学问题。每一个都附带：

文字问题。
一张完美绘制的图表。
秘密的 CDL 代码。
精确的答案。

结果非常准确。当他们通过测量生成的图表来测试答案时，误差极小。其“中位数”（所有误差的中间点）仅为 0.70%。这意味着 82.3% 的答案都在完美数学解的 5% 误差范围内。

他们的发现（以及没发现的东西）

该团队在目前最强大的 8 个 AI 模型上测试了这个新库（包括 GPT-4o、Claude 和 Gemini）。

好消息： 当模型能够看到图表时，它们的表现变得更好。表现最好的模型 Gemini 3 Flash 正确回答了 77.6% 的问题。
坏消息： 当他们拿走图片只给模型提供文本时，得分大幅下降。表现最好的纯文本得分仅为 42.0%。这证明了对于这些特定的几何问题，图片是绝对必要的；机器人不能仅仅靠“想象”出形状。
现实检查： 即便是最好的模型也只能答对大约 3/4。研究人员认为，这些问题仍然非常困难，需要代数和视觉推理的结合，而目前的科技才刚刚开始掌握这些能力。

他们排除了哪些可能性

论文明确反对了一些常见观点：

并非“单次通过”生成： 他们展示了仅仅要求一个 AI “编写一个问题并画出它”是行不通的。误差会不断堆积，导致图表在几何上失去意义。
不需要人类： 他们证明了不需要人类来进行标注或检查。带有质量验证器的“闭环”系统会自动处理错误。
不存在“神奇”的纯文本求解： 实验排除了模型可以通过仅仅阅读文本来解决这些复杂几何问题的可能性。视觉差距太大；没有图表，性能下降了超过 35 个百分点。

他们有多确定？

作者对 0.70% 的中位数误差率 和 82.3% 在 5% 误差内的准确率 非常有信心，因为他们通过手动计算“地面真值”（真实答案）的方式，直接对 164 个问题进行了抽样测量。他们还运行了“消融实验”（即移除系统中的某些部分），以证明生成器、形式化器、SDF 引擎和检查员中的每一个组件都是必要的。当他们移除检查员时，准确率从 82.3% 骤降至 45.5%。

简而言之，他们还没有“解决”AI 几何学问题，但他们建立了一个可以源源不断产生完美练习题的工厂，向我们展示了机器人在哪里失败以及如何修复它们。

技术摘要：FormalAnalyticGeo

问题陈述

尽管多模态大语言模型（MLLMs）在数学推理方面取得了显著进展，但解析几何仍是一个在很大程度上被忽视的领域。现有的基准测试主要集中在初等平面几何或立体几何，而为数不多的关于圆锥曲线的大规模资源（如 Conic10K）则是纯文本形式的，缺乏多模态训练所必需的视觉图表。

本文识别了阻碍自动生成多模态解析几何问题的三个具体差距：

表示差距（Representation Gap）： 现有的形式化表达（如 Inter-GPS、FormalGeo）针对的是欧几里得作图，无法表达坐标系或圆锥曲线。相反，纯文本编码（如 Conic10K 中的断言逻辑）缺乏渲染图表所需的构造原语。
渲染差距（Rendering Gap）： 解析几何图表需要坐标系内由代数定义的曲线。传统的绘图库需要预计算的位置，无法处理由文本本身无法确定位置的约束驱动布局。
验证差距（Verification Gap）： 当前的生成方法通常是单次通过的。问题表述、图表渲染或答案提取中的错误会未经检测地传播，导致缺乏人工标注的高质量数据集。

方法论：FormalAnalyticGeo 框架

作者提出了 FormalAnalyticGeo，一个可扩展的神经符号框架，无需人工标注即可生成多模态解析几何问题。该系统通过一个由四个专门的 LLM 组件和一个确定性渲染引擎组成的闭环流水线运行，并通过一种形式化中间语言进行连接。

1. 条件描述语言 (CDL)

为了弥合自然语言与视觉渲染之间的鸿沟，作者引入了 CDL，一种声明式形式化语言。

结构： CDL 程序由以分号分隔的语句组成，这些语句分为声明（定义对象如直线、圆、椭圆）、方程（代数定义）、坐标、派生对象（如焦点、交点）、谓词（几何关系）和度量约束。
功能： 每个有效的 CDль 语句都直接映射到一个视觉元素或一个可微约束，从而实现自动语法验证和完整性检查。

2. 基于 SDF 的渲染引擎

该框架采用 有符号距离场 (SDF) 引擎将 CDL 程序编译为几何图表。

统一表示： 与将约束求解与渲染分离的传统工具不同，SDF 引擎将两者视为一个统一的可微过程。几何元素（圆锥曲线、轴、渐近线）被表示为标量函数 $F: \mathbb{R}^2 \to \mathbb{R}$ 。
约束求解： 不确定的位置（例如满足距离约束的曲线上的一点）通过几何约束上的梯度下降来解决。
精确映射： 渲染过程产生精确的坐标到像素的映射，这对于随后的地面真值提取至关重要。

3. 生成流水线

该框架执行一个带有反馈驱动重试的顺序工作流：

生成器 (Generator)： 产生多样化的自然语言问题和圆锥方程。它利用基于经过验证属性（来自 Conic10K）的“反向路径”作为种子库以确保几何一致性，同时结合用于自由组合的“正向路径”。它强制执行信息划分，使某些条件仅限文本，而另一些仅限视觉。
形式化器 (Formalizer)： 将自然语言问题转化为 CDL 程序。它使用针对特定曲线类型定制的语法提示来减少幻觉，并立即进行语法解析。
SDF 引擎： 从 CDL 渲染图表。
测量器 (Measurer)： 通过物理信息隔离提取地面真值答案。它分为两个阶段运行：
1. 任务提取器 (Task Extractor)： 仅读取问题文本以生成结构化的测量指令（不含方程）。
2. 视觉测量器 (Visual Measurer)： 仅读取指令和渲染后的图表，使用计算机视觉工具（如 pixel_to_coord、intersect_line_curve）来测量数值。这防止了模型通过解析解方程的方式绕过视觉测量。

4. 质量验证器与闭环控制

专门的 质量验证器 (Quality Verifier) 在三个关口实施质量控制：

关口 1 (问题)： 通过符号解验证可解性。
关口 2 (CDL)： 验证语法并确保文本中的所有几何对象都已编码在 CDL 中。
关口 3 (答案)： 检查视觉测量值相对于仅文本符号解的合理性。
如果某个关口失败，验证器会向上游组件返回结构化反馈，触发自动重试。这个循环消除了对人工标注的需求。

核心贡献

闭环生成框架： 一个将多模态数据生成分解为由形式化语言连接的专门阶段，并利用反馈驱动质量关口来消除人工标注的系统。
CDL (条件描述语言)： 一种形式化中间表示，连接了自然语言描述与几何渲染，实现了自动验证。
基于 SDF 的渲染引擎： 一个统一了约束求解与图表渲染的可微引擎，允许精确的解析曲线和精确的坐标到像素映射。
AnalyticGeo7K 数据集： 一个包含超过 7,000 个经过验证的多模态问题的规模化数据集，每个问题都包含对齐的文本、图表、形式化注释和视觉提取的地面真值。
全面的实证分析： 对 8 个最先进的 MLLM 进行实验，证明了该领域的难度以及视觉输入的重要性。

结果与评估

数据集质量： 生成的 AnalyticGeo7K 数据集包含 7,043 个经过验证的问题。测量器实现的中值地面真值相对误差为 0.70%，其中 82.3% 的答案落在精确符号解的 5% 误差范围内。
框架可靠性： 三个质量关口实现了 $\ge$ 99% 的最终通过率。关口 1（问题）首次尝试通过率为 99.1%；关口 2（CDL）通过率为 98.2%；关口 3（答案）通过率为 95.1%，其余失败情况会触发重试或丢弃样本。
模型性能： 在 AnalyticGeo7K 基准测试中，表现最好的模型（带图像输入的 Gemini 3 Flash）达到了 77.6% 的准确率。在纯文本模式下性能显著下降（最佳纯文本结果为 42.0%），凸显了视觉图表在解析几何推理中的关键作用。
消融实验：
- 去除 质量验证器 会导致准确率大幅下降（5% 以内的准确率从 82.3% 降至 45.5%）。
- 从测量器中去除 CV 工具（迫使进行无工具的视觉估计）会使平均误差从 2.84% 增加到 40.5%。
- 去除 种子库 (Seed Library) 会增加重试率并降低几何连贯性，证实了结构化先验的价值。

意义与主张

本文声称，FormalAnalyticGeo 通过提供一个完全自动、无需标注的生成框架，解决了标注多模态解析几何数据稀缺的问题。通过统一形式化语言 (CDL)、可微渲染 (SDF) 和多智能体验证，该框架能够生成高质量、经过验证的数据集，从而支持 MLLM 在复杂的空间和代数推理任务上的训练与评估。作者断言，其工作填补了多模态数学推理基准中的关键空白，将研究范围从欧几里得平面几何扩展到了更具挑战性的圆锥曲线和解析几何领域。该框架及由此产生的 AnalyticGeo7K 数据集已发布，以促进该领域的进一步研究。