MWPToolkit：一个基于深度学习的数学应用题求解器开源框架

自20世纪60年代以来，自动数学应用题（Math Word Problem, MWP）求解器的开发一直是自然语言处理（NLP）研究领域的关注重点。近年来，随着大量数据集和基于深度学习的求解方法的不断涌现，MWP求解技术取得了显著进展。然而，现有大多数方法仅在单一或少数几个数据集上进行评估，且在不同配置下进行比较，导致各类方法之间缺乏统一、标准化、公平且全面的对比基准。本文提出了MWPToolkit，这是首个用于求解数学应用题的开源框架。在MWPToolkit中，我们将现有MWP求解器的处理流程分解为多个核心组件，并将各模型模块化，实现高度可复用的组件设计。此外，框架还集成了超参数搜索功能，以进一步提升模型性能。我们在此框架下实现了17种不同的MWP求解器，并在4个广泛使用的单方程生成基准数据集和2个多方程生成基准数据集上进行了系统性对比。这些特性使得MWPToolkit能够有效支持研究人员快速复现先进基线模型，并高效开发新型MWP求解方法。相关代码与文档已开源，访问地址为：https://github.com/LYH-YF/MWPToolkit。