上海大学团队在IJCAI 2025发布创新几何问题自动求解系统FGeo-HyperGNet，准确率大幅提升

近期，上海大学计算机工程与科学学院冷拓副教授领导的团队在国际人工智能联合会议IJCAI 2025上发表了一项重要研究成果，论文题目为“FGeo-HyperGNet: Geometric Problem Solving Integrating FormalGeo Symbolic System and Hypergraph Neural Network”。本次会议的录用率为19%，体现了该研究在国际学术界的高水平认可。论文的第一作者是2024级博士研究生张效凯，冷拓副教授为唯一通讯作者。 IJCAI全称国际联合人工智能会议（International Joint Conference on Artificial Intelligence），是全球人工智能领域最具影响力的顶级学术会议之一，每年召开一次。此次冷拓团队的研究成果标志着他们在几何问题自动求解方向上的又一重要突破，这也是他们在此领域的第七篇论文。 几何学作为一门历史悠久的学科，一直是数学与计算机科学结合的重要领域。随着计算机技术的发展，如何利用计算机强大的计算和推理能力实现几何问题的自动化求解成为研究热点。然而，由于几何问题涉及到多种知识形式和复杂的解题过程，一直缺乏一种统一有效的处理框架。 冷拓副教授团队通过整合数学机械化方法与深度学习技术，自主研发出一套名为FormalGeo的几何问题自动求解框架。这一框架的核心优势在于将几何问题的表征、求解和形式化整合为一体，提高了求解的效率和准确性。FormalGeo可以细分为四个主要组成部分：几何形式化理论、几何形式系统、几何问题求解器以及几何问题的自动形式化与逆形式化。 在本次发表的论文中，冷拓团队进一步提出了一个名为FGeo-HyperGNet的神经-符号系统，用于更精确地解决几何问题。该系统采用了基于注意力机制的超图神经网络（HyperGNet）和FormalGeo形式系统相结合的方式，通过迭代的“预测-应用”机制，实现了高效、可解释的几何问题求解。研究人员在FormalGeo7K、Geometry3K和GeoQA三个几何问题求解数据集上进行了测试，结果显示FGeo-HyperGNet的求解成功率达到88.36%、85.64%和91.99%，分别比现有最佳方法提升了5.98%、20.44%和1.59%。尤其是在高难度问题方面，FGeo-HyperGNet的表现尤为突出。 冷拓副教授团队的研究不仅在技术层面取得了重大进展，还得到了广泛的应用和支持。他们的工作多次被邀请到北京大学、复旦大学、北京航空航天大学等著名高校以及中国数学年会等重要学术会议上进行报告。此外，多个研究机构也基于FormalGeo开发出了新的几何问题求解工具，如北京大学的DFE-GPS和中国科学技术大学的GeoGen，这些工具进一步丰富和发展了FormalGeo的形式化系统，增强了多模态大语言模型在几何问题求解中的能力。 上海大学计算机学院近年来在研究生培养方面不断取得进展，一系列高质量科研成果的产出不仅提升了学科的整体实力，也为学生的科研能力和创新精神提供了强有力的保障。 业内人士对冷拓副教授团队的研究给予了高度评价，认为他们在神经-符号结合方向上的探索开辟了新的可能性，对推动几何问题自动求解技术的发展起到了重要作用。FormalGeo作为这一领域的基础性理论框架，也为后续研究提供了坚实的技术支撑。上海大学计算机工程与科学学院在人工智能和数学机械化领域的不断突破，展示了其在前沿科技研究中的卓越实力。