从符号感知到逻辑演绎：几何推理中指导语言模型的框架

平面几何仍然是人工智能的一个重大挑战，需要整合视觉感知和数学推理。虽然大型多模态模型 (LMM) 自然地处理视觉语言输入，但它们通常是计算密集型且不透明的。我们证明，当配备专门的模块时，纯大型语言模型 (LLM) 可以在复杂的几何问题上与最先进的 LMM 相媲美。我们的框架集成了几何视觉解析器（将图表转换为符号形式）和符号求解器（执行形式推导），从而减轻幻觉并促进可解释的推理。为了进行严格的评估，我们针对 2025 年中考考试中的挑战性问题制定了基准，确保数据的新颖性并测试更深层次的演绎技能。实验表明，我们的方法实现了与 Gemini 2.5 Pro 相当的性能，同时提供了更清晰、类人的解决方案。