כתבה
arXiv cs.AI ·
סוכני LLM לגיאומטריה ברמת אולימפיאדה
Achieving Olympiad-Level Geometry Large Language Model Agent via Complexity Boosting Reinforcement Learning
חוקרים פיתחו סוכני LLM שיכולים לפתור בעיות גיאומטריה ברמת אולימפיאדה. הסוכנים משתמשים באלגוריתם Complexity-Boosting Reinforcement Learning (CBRL) כדי לשפר את יכולותיהם. המודל InternGeometry, שהוכשר על 13K דוגמאות, פתר 44 מתוך 50 בעיות גיאומטריה של אולימפיאדת המתמטיקה הבינלאומית.
תקציר מקורי באנגליתarXiv:2512.10534v5 Announce Type: replace Abstract: Large language model (LLM) agents exhibit strong mathematical problem-solving abilities and can even solve International Mathematical Olympiad (IMO) level problems with the assistance of formal proof systems. However, due to weak heuristics for auxiliary constructions, AI for geometry problem solving remains dominated by expert models such as AlphaGeometry 2, which rely heavily on large-scale data synthesis and search for both training and evaluation. In this work, we make the first attempt to build a medalist-level LLM agent for geometry and present InternGeometry. InternGeometry overcomes the heuristic limitations in geometry by iteratively proposing propositions and auxiliary constructions, verifying them with a symbolic engine, and re
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית