다중 모달 대규모 언어 모델(MLLMs)의 기하학적 추론 능력 향상을 위해 대규모 고품질 추론 데이터를 획득하는 것이 중요하며, 기존 데이터 생성 방법의 한계를 극복하고자 새로운 신경-기호 프레임워크인 NeSyGeo를 제안합니다. NeSyGeo는 평면 기하학의 모든 요소를 포괄적으로 표현하는 도메인별 언어를 사용하고, 기호 시퀀스를 합성하여 시각적 및 텍스트 표현으로 매핑하며, 역방향 검색과 정방향 검증을 통해 추론 경로를 생성합니다. 이를 기반으로 100k개의 샘플을 포함하는 NeSyGeo CoT 및 NeSyGeo-Caption 데이터 세트를 구축하고, MLLMs의 기하학적 추론 능력을 평가하기 위한 새로운 벤치마크인 NeSyGeo-Test를 출시했습니다. 실험 결과는 제안된 방법이 여러 MLLMs의 성능을 크게 향상시키며, 특히 소수의 샘플과 적은 수의 훈련 에포크를 통해 상당한 성능 향상을 달성함을 보여줍니다.
