数学的推論の芸術は、知的進歩の基本的な柱であり、人間の創造性を育む中心的な触媒となっています。研究者たちは最近、Math Word Problems (MWP) の解決に焦点を当てた多くの研究を発表しており、これは汎用AIへの重要な一歩となっています。これらの既存モデルは、浅いヒューリスティックや偽相関に依存して解表現を導出する傾向があります。この問題を改善するために、本論文では、問題文の言語変異体の生成に基づくMWPソルバーのフレームワークを提案します。このアプローチは、各変異体問題を解き、予測された表現の中で多数決で選択することを含みます。私たちはDeBERTa（Decoding-enhanced BERT with disentangled attention）を使用してエンコーダーとし、その豊富なテキスト表現と強化されたマスクデコーダーを利用して解表現を構築します。さらに、$\mathrm{P\small{ARA}\normalsize{MAWPS}}$PARAMAWPSという難易度の高いデータセットを紹介します。このデータセットには、ベンチマークデータセット$\mathrm{M\small{AWPS}}$MAWPSから選択的にサンプリングされたMWPの言い換え版、対立版、逆版が含まれています。私たちはこのデータセットおよび他のベンチマークデータセットに対していくつかの基準となるMWPソルバーモデルを使用して広範な実験を行いました。結果として、問題文の言語変異体での学習と候補予測に対する投票がモデルの数学的推論能力和頑健性を向上させることを示しています。私たちはコードとデータを公開しています。