MathLens将多模态推理拆成感知、推理与多模态特有成分分别测量。
资讯摘要
论文提出MathLens基准，用教材式几何题将多模态推理拆分为感知、推理与多模态特有成分，每题配有图示、纯文本变体与感知探针。作者报告，聚合准确率掩盖了不同训练策略的能力差异：强化学习主要提升感知定位与图示变化鲁棒性，文本SFT则通过反思式推理带来增益；随感知与推理改善，剩余错误中多模态特有错误占比上升。
要点速读
- MathLens由符号规格生成几何题，并附图示、纯文本变体、多模态问题与感知探针，用于分别测量各成分。
- 作者报告强化学习主要改善感知定位和对图示变化的鲁棒性，文本SFT的增益来自反思式推理。
- 感知与推理提升后，剩余错误中多模态特有错误比例上升，说明总体准确率掩盖了子能力间的此消彼长。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。