MathVis 基准发布：GPT-6-Astra 等模型图解数学推理通过率仅三成
原文标题：MathVis: Can AI Reason through Drawing? A Benchmark for Mathematical Figure Generation
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。
论文推出 MathVis 基准，含512个数学可视化任务，要求模型生成 TikZ/SVG 图形辅助推理。GPT-6-Astra、Claude Fable 5、Gemini 3.1 Pro Preview 的 pass@1 分别为31.25%、26.56%、22.85%。研究发现模型输出偏向形式语言与符号，而非真正的图形中介推理，且结果常令人难以理解。
- 问题
- 缺少评测大模型用图形辅助数学推理能力的基准。
- 方法
- 构建512个数学可视化任务，要求生成TikZ/SVG图形，配参考图、Gold IR与原子评分标准。
- 结果
- GPT-6-Astra、Claude Fable 5、Gemini 3.1 Pro Preview 的 pass@1 分别为31.25%、26.56%、22.85%。
- 影响
- 当前模型仍靠符号与代码而非真正的图形中介推理，做数学/教育类产品的团队需谨慎依赖其可视化输出。
深读 · 结论先行AI 生成展开看要点与影响 ↓
MathVis基准512个任务，GPT-6-Astra图解数学推理pass@1仅31.25%，三款前沿模型均不足三成。
- •基准含512个数学可视化任务，每项配数学陈述、参考图、可执行TikZ/SVG代码、Gold IR、原子评分项与错误码
- •GPT-6-Astra、Claude Fable 5、Gemini 3.1 Pro Preview的pass@1分别为31.25%、26.56%、22.85%
- •模型输出偏向形式语言、符号与图形程序，而非真正的图形中介推理
- •生成的解虽可能包含全部必要元素，但常令人类视觉上难以理解
为什么重要：揭示前沿模型在图形中介推理上的明显短板，为多模态数学推理研究提供了带可执行代码的细粒度评测工具。
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
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。