A Survey of Mathematical Reasoning in the Era of Multimodal Large Language Model

本文是LLM系列文章，针对《A Survey of Mathematical Reasoning in the Era of Multimodal Large Language Model: Benchmark, Method & Challenges》的翻译。

摘要

数学推理是人类认知的一个核心方面，在从教育问题解决到科学进步的许多领域都至关重要。随着通用人工智能（AGI）的发展，将大型语言模型（LLM）与数学推理任务相结合变得越来越重要。这项调查首次对多模态大语言模型（MLLM）时代的数学推理进行了全面分析。我们回顾了自2021年以来发表的200多项研究，并研究了数学LLM的最新发展，重点关注多模态设置。我们将该领域分为三个维度：基准、方法和挑战。特别是，我们探索了多模态数学推理管道，以及（M）LLM和相关方法的作用。最后，我们确定了阻碍AGI在该领域实现的五大挑战，为提高多模态推理能力的未来方向提供了见解。这项调查为研究界提高LLM处理复杂多模态推理任务的能力提供了关键资源。

1 引言

2 基准视角

3 方法视角

4 挑战

5 结论

在这项调查中，我们全面概述了MLLM背景下数学推理的进展和挑战。我们强调了Math-LLM开发的重大进展，以及多模态集成在解决复杂推理任务中的重要性日益增加。我们确定了五个关键挑战，这些挑战对于能够执行复杂数学推理任务的AGI系统的持续发展至关