GeoSense：多模态大模型几何解题新基准

GeoSense作为首个双语综合基准，系统评估多模态大模型在几何解题中的表现。其包含5层知识架构与1789道几何问题，提出GPI（几何原理识别）和GPA（几何原理应用）两项创新指标。实验显示，Gemini-2.0-Pro-Flash表现最佳，而多模态大模型在平面几何领域表现较弱，主要受限于几何原理的识别与应用能力。研究发现，模型规模越大，推理能力越强，但在复杂问题中，几何原理识别不足成为主要瓶颈。
来源：https://mp.weixin.qq.com/s/Pz83EBkBvXfY8tlp2iV98w