GeoBench：通过分层评估重新思考多模态几何问题求解

本文介绍了 GeoBench，这是一个新的基准，旨在解决现有视觉语言模型 (VLM) 几何推理评估中的局限性。它侧重于分层评估，超越了简单的答案准确性，以评估推理过程。该基准的设计，包括经过正式验证的任务和对不同推理级别的关注，是一项重大贡献。关于子目标分解、无关前提过滤以及 Chain-of-Thought 提示的意外影响的发现，为该领域的未来研究提供了宝贵的见解。

• •GeoBench 为几何问题求解中的 VLM 提供了更全面和细致的评估。
• •该基准测试强调推理过程，而不仅仅是最终答案。
• •子目标分解和无关前提过滤对于准确性至关重要。
• •Chain-of-Thought 提示的影响可能取决于任务，并可能产生不利影响。