Euclid-Omni는 형식 기하 시스템과 LLM·VLM을 결합해 계산형·증명형 기하 문제를 자연어와 형식언어 양쪽에서, 올림피아드 수준까지 풀어내는 신경-기호 통합 프레임워크다. 핵심 엔진인 기호 기하 솔버 Euclidea가 연역 추론과 대수 계산으로 풀이 과정을 자동 생성하고, 이를 바탕으로 문제·풀이·도형·자연어 설명을 대량 합성하는 데이터 생성 파이프라인을 구축했다. 이 합성 데이터로 학습한 VLM은 계산형 문제에서 우수한 성능을 보였고, LLM과 Euclidea를 결합한 시스템은 훨씬 적은 연산량과 데이터로도 최신 증명형 시스템과 대등한 성능을 달성했다. 코드는 GitHub에 공개되어 있어 기하 추론 AI 연구의 재현과 확장에 실질적으로 기여한다.
- •형식 기하 솔버 Euclidea가 연역·대수 계산으로 풀이 과정 자동 생성
- •문제-풀이-도형-자연어를 잇는 대규모 데이터 합성 파이프라인 구축
- •VLM은 계산형 문제에서 우수 성능, LLM+Euclidea는 올림피아드 증명형에서 경쟁력 확보
- •최신 시스템 대비 훨씬 적은 연산·데이터로 유사한 성능 달성
- •코드와 스크립트를 GitHub에 공개
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Euclid-Omni : A Unified Neuro-Symbolic Framework for Plane Geometry
- 1.LLM·VLM과 형식 기하시스템 결합한 신경-기호 프레임워크 'Euclid-Omni' 공개, 계산·증명 문제 모두 처리
- 2.자체 기호 기하 솔버 'Euclidea'가 연역추론·대수계산으로 품이 단계 자동 생성, 합성데이터로 LLM·VLM 학습
- 3.올림피아드급 증명 문제에서 최상위 시스템과 경쟁력 확보, 연산량·학습데이터는 훨씬 적게 사용
왜 중요한가?
계산과 증명을 모두 다루는 기하 문제에서 훨씬 적은 컴퓨팅 자원으로 최고 수준 성능에 근접했다는 점은, 순수 신경망 스케일링 대신 기호적 구조를 결합하는 접근이 수학 추론 분야의 효율적 대안이 될 수 있음을 시사한다.
언급 프로젝트
본문 미리보기
arXiv:2608.14585v1 Announce Type: new Abstract: Euclidean geometry is a compelling testbed for AI reasoning, as it demands the combination of intuitive diagram understanding, axiomatic deduction, and algebraic computation. Yet, existing approaches typically address only a subset of these abilities or struggle with competition-level problems. We introduce \textit{Euclid-Omni}, a unified neuro-symbolic framework that couples a formal geometry system with Large Language Models (LLMs) and Vision-La
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:59AI 초안
![[AI리더의 서가] Agentic AI 구축 개발의 모든 것](https://cdn.aitimes.com/news/photo/202610/215958_219938_244.jpg)
