GeoVAD-Bench：几何解题视觉思维链诊断与增强
原文标题：Beyond Generation and Accuracy: Diagnosing and Enhancing Visual Chain-of-Thought for Geometry Problem Solving
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
现有评估孤立看待视觉生成质量与最终答案准确率，未检验中间视觉辅助是否几何有效、被后续推理利用或对成功有因果作用。论文提出 GeoVAD-Bench 诊断基准，含五维轨迹诊断与 No-Aux/Auto-Aux/GT-Aux 干预设置，揭示自主生成受几何感知、视觉操作、视觉状态接地与演绎推理的复合误差拖累。基于此构建数据管线与渐进式 SFT 加多模态 RL 训练框架，GeoWeave-8B 最终几何准确率较基座提升 25.3%，四项中间诊断维度过程均值提升 30.4%。
深读 · 结论先行AI 生成展开看要点与影响 ↓
GeoVAD-Bench 诊断几何视觉思维链，GeoWeave-8B 几何准确率较基座提升 25.3%。
- •现有评估孤立看待视觉生成质量与答案准确率，不检验中间视觉辅助是否几何有效、被利用、有因果作用
- •五维轨迹诊断覆盖感知、辅助质量、利用、演绎推理、最终正确性，配 No-Aux/Auto-Aux/GT-Aux 干预设置
- •发现自主生成受几何感知、视觉操作、视觉状态接地与演绎推理的复合误差拖累
- •GeoWeave-8B 最终几何准确率较基座提升 25.3%，四项中间诊断维度过程均值提升 30.4%
为什么重要：把多模态推理评估从「看答案」推进到「看中间图是否真被用上」，对几何类 VCoT 训练与评测设计有方法价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。
谷歌发布Genie 4世界模型，可生成带音频交互体验
AI 摘要谷歌发布 Genie 4 世界模型，支持更真实的世界、自然语言实时修改、音频生成，底层由 Gemini 3.8 Flash 驱动，单次体验时长从 1 分钟提升至约 2 分钟。该模型先以研究预览形式向受信任测试者开放，并将向 Google AI Ultra 订阅用户推出。
谷歌 DeepMind 发布 Genie 4 世界模型，新增音频与实时操控
AI 摘要谷歌 DeepMind 发布世界模型 Genie 4，新增实时音频、更逼真的模拟环境，并支持在模拟过程中用文本提示实时操控。该模型以研究预览形式向受信任测试者开放，进一步推进可交互世界模型的能力边界。
谷歌 DeepMind 称四个 Gemini 4 智能体 27 小时通关《我的世界》
AI 摘要谷歌 DeepMind 表示，四个基于 Gemini 4 的 AI 智能体在 27 小时内自行编写 2783 段程序，成功通关《我的世界》。过程中智能体在简单难度下死亡 605 次，估计消耗约 520 美元 token 成本。