CogAtom 是一个新颖的问题生成框架，用于增强大规模语言模型 (LLM) 的数学推理能力。与现有方法不同，CogAtom 通过选择和重组“认知原子”（从人工编写的解决方案中提取的基本推理单元）来生成问题。其提升多样性的随机游走算法和基于约束的重组机制确保了逻辑一致性和结构有效性，并且可以通过调整认知原子的数量来精确调整问题的难度。实验结果表明，CogAtom 在准确率、推理深度和多样性方面均优于现有方法，能够生成接近 AIME 难度级别的问题，同时展现出卓越的结构多样性。代码已在 GitHub 上公开。
