Visual Chain-of-Thought

新基准诊断几何问题解决中的视觉推理错误

研究人员开发了GeoVAD-Bench，这是一个新的诊断基准，旨在评估几何问题视觉思维链（VCoT）推理的中间步骤。该基准不仅评估最终准确性，还评估几何有效性和辅助视觉辅助工具的有效利用。研究发现，虽然高质量的辅助工具具有巨大潜力，但自主生成常常在感知、操作和推理方面出现复合错误。为了解决这些问题，我们使用专门的数据构建管道和渐进式训练框架训练了一个名为GeoWeave-8B的新模型，在准确性和中间推理维度上都取得了显著的改进。