发布MathLens多模态几何推理基准

Jiwan Chung等团队于NeurIPS 2026会议期间提出MathLens基准，专门用于评测多模态大模型在几何推理上的表现。该基准包含源自符号规范的教科书式几何题，每题配有视觉图示、纯文本变体、多模态问题及感知探针。 MathLens将模型性能拆解为感知、推理和多模态特异性三个组件，揭示了单一准确率评估对能力差异的掩盖。实验发现，强化学习主要增强感知鲁棒性，而文本监督微调促进反思推理。 随着模型感知与推理能力提升，剩余错误更多归类为多模态特异性问题。这表明模型进步源于子技能平衡的变化，而非各项能力的均匀提升。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。