TriGeoBench

新的TriGeoBench基准测试多模态LLM的几何推理能力

研究人员推出了TriGeoBench，一个旨在评估多模态大语言模型（MLLMs）的几何推理能力的新基准。该基准包含7000个来自中国数学考试的问答对，每个问答对都配有几何图形及其对应的TikZ代码。TikZ代码的包含保留了几何元素的拓扑和符号结构，比仅依赖栅格化图像的传统基准提供了更鲁棒的评估。对各种MLLMs的初步评估表明，在细粒度结构理解和图像-文本对齐方面仍然存在挑战。