WE-MATH 2.0: A Versatile MathBook System for Incentivizing Visual Mathematical Reasoning

文章主要内容和创新点

主要内容

本文介绍了WE-MATH 2.0，这是一个用于增强多模态大语言模型（MLLMs）数学推理能力的统一框架。该框架整合了结构化数学知识体系、模型中心的数据空间建模和基于强化学习（RL）的训练范式，旨在全面提升MLLMs在复杂数学推理（尤其是视觉数学问题）中的表现。具体包括四个核心部分：

1. MathBook知识体系：一个五级分层结构，涵盖491个知识点和1819个基本原理，为数学推理提供系统化的知识支撑。
2. 数据集构建：包括MathBook-Standard（通过“一题多图”和“一图多题”实现概念灵活性）和MathBook-Pro（基于“步骤复杂度”“视觉复杂度”“语境复杂度”三维难度空间生成7个渐进变体）。
3. MathBook-RL训练框架：两阶段强化学习，包括冷启动微调（对齐知识导向的思维链推理）和渐进对齐RL（结合平均奖励学习和动态数据调度，实现跨难度水平的渐进对齐）。
4. MathBookEval基准：覆盖所有491个知识点，包含不同推理步骤分布，用于全面评估模型的数学推理能力。

实验结果表明，WE-MATH 2.0在四个主流基准测试中表现优异，尤其在泛