幾何AI推理診斷基準GeoVAD與GeoWeave-8B模型正式公開

研究團隊推出透過檢驗繪製與運用輔助線的視覺因果關係，以提升幾何解題能力的新型人工智慧模型。董智通（Zhitong Dong，音譯）等研究人員於2026年9月14日在arXiv發布論文，公開了幾何診斷基準「GeoVAD-Bench」與新模型「GeoWeave-8B」。該模型相較於基準模型，在最終幾何正確率上提升了25.3個百分點，為從中間過程檢驗幾何推理AI可靠性建立了全新標準。

Background

在探討視覺生成與推理的學術脈絡中，「世代」或「生成」（Generation）涵蓋多種意涵。廣義上，該詞彙常指一個群體或生成系統。例如，維基百科（Wikipedia）將世代定義為大約在同一時期出生並共同生活的全體個人集合，亦指孩童出生、成年至再次繁衍後代的平均週期，約為20至30年；在親屬研究中用以界定父母與子女結構關係，在生物學中則指生物發生、繁殖與生育。

在人工智慧（AI）研究領域，「生成」概念已從單純生成文字或幾何圖表，擴展至多步驟的「視覺思維鏈」（Visual Chain-of-Thought, VCoT）。視覺思維鏈著重於解題時的主動視覺輔助，例如在複雜幾何題中主動繪製輔助線以輔助推導。

然而，過往的評估機制往往將圖表生成品質與最終正確率分開獨立評分，無法衡量輔助線在幾何學上的有效性及其對實際推理的因果貢獻，容易產生即使輔助線繪製錯誤卻碰巧得出正確答案的盲點。為了解決這一問題，研究團隊開發出全過程診斷體系與新模型。

Key figures

論文與模型的核心數據與架構資訊如下：

• 論文公開日期：2026年9月11日（v1版本）、2026年9月14日（v2版本）
• 發布平台與編號：arXiv cs.AI（論文編號：2609.12606）
• 論文作者：Zhitong Dong、Jicai Pan、Yingguo Gao、Jingting Ding、Hao Chen、Jinjie Gu
• 開發模型：GeoWeave-8B
• 訓練架構：漸進式監督微調（SFT）與多模態強化學習（RL）框架
• 訓練數據流程：幾何感知、圖表編輯、交叉視覺-文字推理軌跡

GeoWeave-8B 相對基準模型（Base Model）效能提升對比：

Impact

這項研究成果對引進幾何AI解決方案的教育平台以及工程圖面設計從業者帶來直接影響。若無法攔截中間推理步驟的錯誤，可能導致錯誤的數值設計或教學內容。

GeoVAD-Bench提供涵蓋感知、輔助品質、利用度、演繹推理與最終正確率等5個維度的軌跡診斷。檢驗工具設定了3種介入環境：

1. 無輔助線（No-Aux）

2. 自動生成輔助線（Auto-Aux）

3. 正確答案輔助線（GT-Aux）

透過分離自主生成的瓶頸，從業者與使用者能逐步檢視AI所繪製的輔助線是否確實應用於後續的演繹解題過程中，從而驗證幾何推理的中間可靠性。

Outlook

研究團隊於2026年9月14日向arXiv確定提交v2版本論文，確立了開源診斷體系的架構。研究人員指出，儘管高品質輔助工具在幾何解題上具有顯著的理論優勢，但自主生成過程目前仍受到幾何感知、視覺操作與狀態接地（state grounding）等複合錯誤的阻礙。

為了減輕複合錯誤，研究團隊計劃持續將圖表編輯與交叉視覺-文字推理數據納入訓練流程。後續時程將關注多模態強化學習架構向通用數學領域的拓展情況，以及開源診斷工具與後續程式碼的釋出進度。

來源

1. Beyond Generation and Accuracy: Diagnosing and Enhancing Visual Chain-of-Thought for Geometry Problem Solving — arXiv cs.AI 신규 논문
2. Generation — Wikipedia (en)