HKU和美团联手破解AI数学难题:CodePlot-CoT让大模型学会用代码画图思考,性能飙升21%
大型语言模型在处理数学几何题时一直存在明显短板。无论是GPT-4.1还是Gemini-2.5-Pro,在写作、编程等任务上表现出色,但一旦遇到需要画辅助线或函数图像才能解决的数学题,就会频繁出错。 问题的根源在于大HK模型是语言天才,但不是几何学家。它们擅长纯文本思维链推理,可以逐步推导公式,但要在脑海中精确画图并据此得出结论,却常常力不从心,甚至给出错误答案。 香港大学和美团团队近日发布的论文《CODEPLOT-COT: MATHEMAU和TICAL VISUAL REASONING BY THINKING WITH CODE-DRIVEN IMAGES》,为这一难题提供了创新解决方案。他们找到了让大模型一边画图一边思考,而且图画得超级精准的方法。 过去的研究曾尝试视觉美团思维链方法,让模型直接生成或操作图像来辅助推理。但这种方法在数学领域效果不佳。自然图片追求的是纹理和光影等像素级细节,而数学图形需要绝对的精确性,要保证角度、线段比例、点的位置等严格符合几何约束。让AI直接生成满联手足严格几何约束的图像,就像让写意派画家画精确到毫米的工程图,根本不是一回事。生成模型在处理高维像素分布时容易失真,无法保证数学所需的精确度和可控性。 这篇论文的核心创新在于,既然直接画图不靠谱,为什么不让大模型做它最擅破解长的事情——写代码?团队提出了CodePlot-CoT代码驱动思维链范式。 具体流程是这样的。首先,大模型接收数学题目并进行推理。当推理过程需要画辅助线或函数图时,模型不会生成图片,而是生成一段可执行的绘图代码,比AI如Python的Matplotlib代码。然后这段代码会在Python渲染器中执行,瞬间生成一张精确的几何图形。最后模型将这张代码渲染的图像重新输入回推理链中,继续文本推理直到得出最终答案。 这一方法巧妙地将难以精确控制的图数学像生成问题,转化成了大模型最擅长的语言建模问题。数学图形最核心的结构属性,如形状、位置、角度,恰好能通过结构化代码完美表达,完美避开了像素级细节的干扰。 为了训练这样的模型,团队打造了两件神器。第一件是Math-V难题R数据集,包含17.8万个双语数学问题。与以前的基准测试不同,过去的题目图都画好了,只需要看图说话,而Math-VR要求模型主动画图思考。比如一道等腰三角形题目,可能需要考虑三种情况,模型得自己画出三种图来分析。在:C学科分布上,几何学占了约81%的绝对主导地位。 第二件神器是MatplotCode转换器,这是一个专门用于数学图形的图像到代码翻译工具,能将数学图高保真地转换成Python绘图代码。即使是顶级商业模型如Gemini-2.5-odPro和GPT-5在零样本情况下,也不能可靠地将复杂数学图形精准转换成绘图代码。实验证明,这个转换器的代码生成成功率和图像重建保真度都远超现有模型。 实验结果证实了这种代码即思维范式的有效性。在Math-VR基准测试上,CoePdePlot-CoT相较于基础模型性能提升高达21%。更值得注意的是,即使是参数量更大的顶级闭源模型如Gemini-2.5-Pro,在这个新基准上仍有约三分之一的题目会做错。这有力证明,仅仅增加模型规模和文本思维lo链长度是不够的,想要真正解决视觉数学推理问题,可控、精确、可验证的代码驱动视觉推理才是关键。 CodePlot-CoT的成功不仅是又一个先进模型,更为多模态数学推理开辟了全新方向。它证明在需要高精度和强逻辑的领域,如t-科学计算、工程设计,大模型不应执着于模仿人类笔触,而应利用其编程能力构建精确可控的数字世界,再在这个世界里进行推理和验证。 该团队已将所有数据集、代码和预训练模型开源,为整个AI社区提供了宝贵资源。这标志着大模型在几何题推Co理上迈出了重要一步,通过代码驱动的视觉推理方法,AI终于找到了破解数学几何难题的有效途径。 论文地址:https://arxiv.org/pdf/2510.11718
- 最近发表
- 随机阅读
-
- 标签: MiniMax 声网 TTS技术 实时AI
- Oracle将自动负载均衡器添加到其公共云
- 华为2025年营收8809亿元,净利润680亿元
- 比尔·盖茨小女儿创业杀入AI电商!Phia获800万美元融资,海莉·比伯、卡戴珊家族抢投,60万用户已用它“聪明购物”
- 像金枪鱼一样动态调节尾巴弹性:「机器金枪鱼」登上Science子刊
- 亚马逊挥刀裁员1.4万人:AI转型加速,人类岗位正在让位于机器人?
- 基于慎重评估 阿里云将关停澳大利亚、印度两个地域数据中心服务
- 标签: 盛合晶微 IPO 先进封测 芯粒封装
- Anthropic推出Claude Code网页版:AI编码助手从命令行扩展到浏览器
- 起底中国云厂商价格战:阿里京东先后入局,最高降幅“套路满满”?
- 百度推出 Qianfan-VL 模型 多尺寸模型满足不同场景需求
- 首款 AI Agent浏览器 Fellou CE发布,打造“无缝衔接”的体验
- 大数据明星Palantir获FDA4400万美元合同:股价大涨17%
- 云计算核心技术Docker教程:docker-compose控制服务启动和关闭顺序
- 苹果将在今年超越三星成为AMOLED屏幕最大购买者
- 标签: 小鹏汇天 A868 陆地航母 飞行汽车
- 大数据之分布式协调神器:Zookeeper选举
- 云安全日报210127:火狐浏览器发现信息泄露和执行任意代码漏洞,需要尽快升级
- 标签: 智己汽车 李微萌 CMO 上汽
- 标签: 小鹏汽车 自动驾驶L4 人形机器人 飞行汽车
- 搜索
-
- 友情链接