Tag · 5 篇
几何推理
视觉扩散模型是几何求解器
Visual Diffusion Models are Geometric Solvers
把几何/组合优化问题实例渲染成图像，用标准视觉扩散模型从高斯噪声直接生成近似解，为视觉研究者提供「以图像生成为通用求解器」的范式，可迁移到布局、路径规划等需要输出结构化几何配置的任务。
Socratic-Geo：通过多智能体交互的合成数据生成与跨模态几何推理
Socratic-Geo: Synthetic Data Generation and Cross-Modal Geometric Reasoning via Multi-Agent Interaction
对做视觉语言模型几何推理的人，这篇提供了用多智能体闭环把「图像-文本对」合成与模型学习需求耦合起来的范式：Teacher 用参数化 Python 脚本加可解性/视觉有效性反思保证数据纯度，Solver 的失败路径反过来指导定向增广，Generator 把「图像-代码-指令」三元组蒸馏成图像生成能力，可直接迁移到其他数据稀缺的推理任务。
Hilbert-Geo：以神经符号推理求解立体几何问题
Hilbert-Geo: Solving Solid Geometric Problems by Neural-Symbolic Reasoning
把几何图形解析成形式化谓词（CDL）再交给定理库做可验证推理，这条「视觉解析→符号推理」的流水线可直接迁移到图表理解、几何题求解等需要严格可验证输出的多模态任务上。
Geoint-R1：以动态辅助构造形式化多模态几何推理
Geoint-R1: Formalizing Multimodal Geometric Reasoning with Dynamic Auxiliary Constructions
把几何图形理解与形式化证明（Lean4）结合，并显式生成辅助构造元素，为视觉推理模型提供了可验证的中间步骤监督信号；其基准与标注方式可用于评测多模态模型在图形-文本联合推理上的严谨性。
GGBench：面向统一多模态模型的几何生成推理基准
GGBench: A Geometric Generative Reasoning Benchmark for Unified Multimodal Models
为视觉研究者提供了一个可确定性验证的生成式几何推理评测框架：每个样本对齐自然语言指令、可执行 GeoGebra 代码与渲染图，可用于检验多模态模型「先推理再作图」的能力，并作为训练/评测几何作图与程序化图形生成的数据来源。