研究团队提出Geo-Image-Textualization框架，利用强化学习与可验证奖励生成高质量几何图像-文本数据。首个完全对齐的高质量几何图像-文本数据集GeoReasoning-10K包含1万对数据。该方法不仅提升模型几何推理能力，还能泛化至算术、代数等非几何任务，甚至处理非几何图像。实验表明，GeoReasoning-10K在权威基准上表现优异，且能显著提升模型多项能力，为多模态AI在教育、科学计算等领域应用奠定基础。

💡 **Geo-Image-Textualization框架与GeoReasoning-10K数据集：** 该研究提出了一种新颖的基于强化学习与可验证奖励（RLVR）的数据生成与优化框架，命名为Geo-Image-Textualization。为支持此框架，研究团队发布了首个完全对齐的高质量几何图像-文本数据集GeoReasoning-10K，包含1万对精心构建的图像与描述。这为解决多模态大语言模型在几何推理方面的瓶颈提供了新的解决方案，并已开源数据集和代码以促进社区发展。

🚀 **强大的泛化能力与高质量表现：** 采用Geo-Image-Textualization框架训练的模型，不仅在几何推理任务上表现出色，还能有效泛化至算术、代数、数值推理等更广泛的数学领域，甚至能处理非几何图像输入。GeoReasoning-10K数据集经过精心构建，确保了生成数据的质量，使得在该数据集上训练的模型在下游任务上性能超越其他同类型数据集，并展现出良好的缩放性质。

🧩 **可扩展的几何题目生成机制：** 该框架的核心优势之一在于其可扩展性。生成的几何题目样本由预设模板中的字句组合而成，这种设计使得研究人员能够组合出任意复杂度水平的几何题目，极大地丰富了训练数据的多样性，并为模型提供了更全面的学习机会，从而提升其解决复杂几何问题的能力。

2025-09-25 23:15 北京

为解决几何推理瓶颈提供了全新思路

随着多模态大语言模型（MLLMs）在视觉问答、图像描述等任务中的广泛应用，其推理能力尤其是数学几何问题的解决能力，逐渐成为研究热点。

然而，现有方法大多依赖模板生成图像 - 文本对，泛化能力有限，且视觉与文本信息之间存在严重不对齐问题，制约了模型在复杂几何推理任务上的表现。

来自 UIUC 的作者团队的研究提出了一种基于强化学习与可验证奖励 RLVR 数据生成与优化框架 ——Geo-Image-Textualization，并发布了首个完全对齐的高质量几何图像 - 文本数据集 GeoReasoning-10K，包含 1 万对精心构建的图像与描述。

并且，为了促进社区发展，作者团队已公开 GeoReasoning-10K 数据集及相关代码。

数据集地址：https://huggingface.co/datasets/ScaleMath/GeoReasoning
代码地址：https://github.com/MachinePhoenix/GeoReasoning
论文链接：https://arxiv.org/abs/2509.15217
论文标题：Generalizable Geometric Image Caption Synthesis

数据集与方法介绍

该框架的核心创新包括：

强泛化性：训练后的模型不仅在几何任务上表现优异，还能泛化至算术、代数、数值推理等非几何任务，甚至处理非几何图像输入。
高质量：经过 GeoReasoning 训练过的模型，在下游任务上性能超过其他同类型数据集，并且具有良好的缩放性质。
可扩展性：生成的样本由模板集中的字句组合而成，可以组合出任意复杂度的几何题。

图像 - 标题 - 问题 / 答案的生成流程如下图所示：

生成的几何图示例如下：

训练流程和强化学习阶段的奖励函数如下：

实验结果

在权威数学推理基准 MathVista 和 MathVers 上与其他几何字幕标注数据集（如 AutoGeo、GeoPeP）和解题数据集（如 GeoGPT4, Geo170K）相比，GeoReasoning-10K 在相同数据量下均取得最优效果，展现出卓越的数据质量与扩展性：

左：MathVista；右：MathVerse

在 MMMU 测评基准上，使用 GeoReasoning-10K 微调后的 Gemma3-4B 模型显著提升多项能力：

MMMU 实验结果

最后展示 MathVista 中的一些具体样例：

以及 MMMU 的一些样例：

总结

在多模态大语言模型快速发展的今天，Geo-Image-Textualization 框架和 GeoReasoning-10K 数据集为解决几何推理瓶颈提供了全新思路。通过确保视觉和文本信息的完全对齐，本文的方法不仅提升了模型在几何问题上的表现，还实现了向更广泛数学领域的泛化。

正如实验结果所示，给几何图片写标题可以让 AI 变聪明，不仅能解决几何问题，还能增强其整体数学推理能力，为多模态 AI 在教育、科学计算等领域的应用铺平道路。

感谢作者团队的辛勤工作和开源贡献，期待更多研究者加入这一领域，共同推动多模态 AI 技术的边界不断扩展。

© THE END 

转载请联系本公众号获得授权

投稿或寻求报道：liyazhou@jiqizhixin.com

阅读原文

跳转微信打开