BiNSGPS：经双向神经符号交互的几何问题求解

摘要

几何问题的解决给人工智能带来了独特的挑战。现有的方法通常分为两种范式：适应性有限的符号方法和容易产生幻觉的神经方法。最近的神经符号混合主要依赖于单向管道，其中神经输出在没有反馈的情况下被馈送到求解器中，使得系统容易出现早期错误。为了打破这个单向瓶颈，我们提出了 BiNSGPS，这是一个在 MLLM Adviser 和符号求解器之间建立双向神经符号交互 (BiNS) 的框架。 MLLM Adviser 积极整合来自符号求解器的反馈，动态纠正不一致的形式表示或提出辅助假设，解决符号冲突并促进复杂的推论。

BiNSGPS：经双向神经符号交互的几何问题求解：论文配图 — 图 1：我们的 BiNSGPS 概述。 BiNSGPS 通过迭代推理循环处理多模态输入（文本和图表）。在检测到不一致（情况 i：冲突的角度测量）或缺失约束（情况 ii：梯形属性）时，MLLM Adviser 会触发表示校正或辅助假设生成。右侧的两个示例说明了闭环反馈如何将初始尝试（标有红色警告）转换为经过验证的解决方案（绿色检查）。