重新激活测试时间缩放以解决平面几何问题

平面几何问题（PGP）求解已成为多模态推理的关键基准，因为它需要准确的视觉感知和精确的多步骤符号推导。尽管测试时间缩放（TTS）在一般数学推理中取得了显着的成功，但它无法在平面几何的符号程序范例下有效地缩放。我们发现了两个关键障碍：严格的符号程序引起的推理多样性有限，以及符号演绎之前缺乏明确的视觉基础。为了解决这些问题，我们提出了多轨迹综合（MTS），它将每个符号程序转换为异构推理轨迹，包括可执行的Python脚本和CoT增强变体。我们进一步提出感知增强（PA）训练，在推导之前将图解析为结构化语义子句，以及共识引导多轨迹集成（CG-MTE）以实现高效的自适应推理。对三个几何基准的实验表明，我们的方法持续改进了跨模型尺度的 PGP 求解，并且相对于通用 MLLM 和专用几何求解器实现了强大的性能。在测试时间缩放下，CG-MTE 实现了与高预算自我一致性相当的精度，同时将采样成本降低了多达 8 倍。代码和数据可在 https://github.com/Jason8Kang/ReTTS-PGPS 上公开获取。