要約
幾何学問題の解決は、自然言語処理（NLP）コミュニティにとって大きな課題となっています。既存のアプローチでは、数学文章問題を解くためのモデルに依存することが多く、幾何学問題特有の特性が軽視されています。さらに、現在の研究は主に幾何学計算問題に焦点を当てており、証明などの他の重要な側面が見過ごされている傾向があります。本研究では、これらの制限に対処するために、Geometry-Aware Problem Solver (GAPS) モデルを提案します。GAPS は、独自の問題タイプ分類器を活用して、様々な種類の幾何学問題に対する解法プログラムを生成するように設計されています。この目的を達成するために、GAPS は解法プログラムを演算子とオペランドの組み合わせとして扱い、それらの生成過程を分離しています。また、幾何要素強化手法を導入し、GAPS の幾何要素認識能力を向上させています。これらの改善により、GAPS は幾何学問題の解決において優れた性能を発揮しています。UniGeo データセットでの実験結果から、GAPS が最先端モデルである Geoformer を上回ることが示されました。具体的には、計算タスクで 5.3% 以上の精度向上が見られ、証明タスクでは 41.1% の大幅な改善が確認されました。特に、証明問題における GAPS の精度は 97.5% を達成しており、これは幾何学証明タスクの解決において大きな進歩を代表しています。