ChatPaper.aiChatPaper

MathVerse: Il tuo LLM multimodale vede davvero i diagrammi nei problemi di matematica visiva?

MathVerse: Does Your Multi-modal LLM Truly See the Diagrams in Visual Math Problems?

March 21, 2024
Autori: Renrui Zhang, Dongzhi Jiang, Yichi Zhang, Haokun Lin, Ziyu Guo, Pengshuo Qiu, Aojun Zhou, Pan Lu, Kai-Wei Chang, Peng Gao, Hongsheng Li
cs.AI

Abstract

I notevoli progressi dei Modelli Linguistici Multimodali di Grande Scala (MLLMs) hanno attirato un'attenzione senza precedenti, grazie alle loro prestazioni superiori in contesti visivi. Tuttavia, le loro capacità nella risoluzione di problemi matematici visivi rimangono insufficientemente valutate e comprese. Investigiamo i benchmark attuali per incorporare contenuti visivi eccessivi all'interno di domande testuali, che potenzialmente assistono gli MLLMs nel dedurre risposte senza interpretare veramente i diagrammi di input. A tal fine, introduciamo MathVerse, un benchmark visivo matematico completo progettato per una valutazione equa e approfondita degli MLLMs. Abbiamo meticolosamente raccolto 2.612 problemi matematici di alta qualità e multi-soggetto con diagrammi da fonti pubblicamente disponibili. Ogni problema è poi trasformato da annotatori umani in sei versioni distinte, ciascuna con diversi gradi di contenuto informativo in multimodalità, contribuendo a un totale di 15.000 campioni di test. Questo approccio permette a MathVerse di valutare in modo completo se e quanto gli MLLMs possono veramente comprendere i diagrammi visivi per il ragionamento matematico. Inoltre, proponiamo una strategia di valutazione a Catena di Pensiero (CoT) per una valutazione granulare delle risposte in output. Piuttosto che giudicare semplicemente Vero o Falso, utilizziamo GPT-4(V) per estrarre in modo adattivo i passaggi cruciali di ragionamento, e poi assegnare un punteggio a ciascun passaggio con un'analisi dettagliata degli errori, che può rivelare la qualità intermedia del ragionamento CoT degli MLLMs. Speriamo che il benchmark MathVerse possa fornire intuizioni uniche per guidare lo sviluppo futuro degli MLLMs. Pagina del progetto: https://mathverse-cuhk.github.io
English
The remarkable progress of Multi-modal Large Language Models (MLLMs) has garnered unparalleled attention, due to their superior performance in visual contexts. However, their capabilities in visual math problem-solving remain insufficiently evaluated and understood. We investigate current benchmarks to incorporate excessive visual content within textual questions, which potentially assist MLLMs in deducing answers without truly interpreting the input diagrams. To this end, we introduce MathVerse, an all-around visual math benchmark designed for an equitable and in-depth evaluation of MLLMs. We meticulously collect 2,612 high-quality, multi-subject math problems with diagrams from publicly available sources. Each problem is then transformed by human annotators into six distinct versions, each offering varying degrees of information content in multi-modality, contributing to 15K test samples in total. This approach allows MathVerse to comprehensively assess whether and how much MLLMs can truly understand the visual diagrams for mathematical reasoning. In addition, we propose a Chain-of-Thought (CoT) evaluation strategy for a fine-grained assessment of the output answers. Rather than naively judging True or False, we employ GPT-4(V) to adaptively extract crucial reasoning steps, and then score each step with detailed error analysis, which can reveal the intermediate CoT reasoning quality by MLLMs. We hope the MathVerse benchmark may provide unique insights to guide the future development of MLLMs. Project page: https://mathverse-cuhk.github.io
PDF533December 15, 2024