摘要
多模态大语言模型（MLLMs）在各类任务中展现出令人瞩目的能力，但在复杂数学推理方面仍存在显著挑战。现有研究主要聚焦于数据集构建与方法优化，往往忽视了两个关键方面：全面的知识驱动设计以及以模型为中心的数据空间建模。本文提出 We-Math 2.0，一个统一的系统，通过整合结构化的数学知识体系、以模型为中心的数据空间建模，以及基于强化学习（RL）的训练范式，全面提升 MLLMs 的数学推理能力。We-Math 2.0 的核心贡献包含四个方面：（1）MathBook 知识体系：我们构建了一个五层分级的知识体系，涵盖 491 个知识点和 1,819 条基础原理；（2）MathBook-Standard 与 MathBook-Pro：我们开发了 MathBook-Standard 数据集，通过双重扩展机制确保概念覆盖广度与灵活性；此外，我们定义了一个三维难度空间，并为每个问题生成 7 个渐进式变体，构建了面向鲁棒训练的高挑战性数据集 MathBook-Pro；（3）MathBook-RL：我们提出一种两阶段强化学习框架，包括：（i）冷启动微调（Cold-Start Fine-tuning），用于引导模型遵循以知识为导向的思维链推理模式；（ii）渐进式对齐强化学习（Progressive Alignment RL），通过平均奖励学习与动态数据调度机制，实现跨不同难度层级的渐进式对齐；（4）MathBookEval：我们引入了一个全面的评估基准，覆盖全部 491 个知识点，并包含多样化的推理步骤分布。实验结果表明，MathBook-RL 在四个广泛使用的基准上表现与现有基线相当，并在 MathBookEval 上取得了优异成绩，显示出在数学推理任务中具有良好的泛化潜力。