主要证据
- MathVista: Evaluating Mathematical Reasoning of Foundation Models in Visual ContextsS1 · 主要研究来源 · 论文 · 2023-10-03
- MathVista project pageS1 · 主要研究来源 · 其他来源
- MathVista benchmark repositoryS1 · 主要研究来源 · 代码仓库
MathVista 建立视觉场景中的数学推理评测基准
该基准把视觉感知与组合式数学推理结合起来。初始研究显示前沿多模态模型与人类表现之间仍有明显差距，公开项目同时提供数据访问、评测代码与模型结果工具。
发生了什么？
MathVista 引入 6,141 个视觉数学推理样例，来源包括 28 个既有多模态数据集和 3 个新建数据集，并据此系统评测 12 个基础模型在不同数学与视觉任务上的能力。
为什么重要？
它把 AI4Math 评测从纯文本文字题和形式陈述扩展到图像中承载的数学信息，为后续多模态与奥赛级评测提供了重要参照。
重要性说明：MathVista 将视觉场景中的数学推理确立为独立评测目标，把图表、几何图形、科学图像等多模态任务整合成大规模基准，早于多模态数学评测成为通用能力维度。
历史脉络
证据与状态一览
- 重要性
- H2 · 领域里程碑
- 验证状态
- 论文已发布
- 证据等级
- E3 · 可检查工件
- AI 角色
- 仅计算支持
- 形式保障
- 有形式化工件
贡献与验证
- 数学新颖性
- 工具性进展
- 接口
- 非形式化, 符号, 数值
- AI 贡献
- 语言模型与多模态基础模型在视觉数学推理任务上接受评测；基准的数据整理与设计由研究者完成。
- 人类贡献
- 研究者整理并规范化数据集、创建新的视觉推理任务、定义分类与评测协议，并人工分析模型失败模式和人类基线。
- 验证状态
- 论文已发布 · E3 · 可检查工件 · 有形式化工件
- 最后审阅
- 2026-09-11
技术细节
- 系统
- mathvista
- 机构
- —
- 数学问题
- visual-mathematical-reasoning
- 方法
- multimodal-evaluation, benchmarking, visual-reasoning
全部来源与工件
- MathVista: Evaluating Mathematical Reasoning of Foundation Models in Visual ContextsS1 · 主要研究来源 · 论文 · 访问于 2026-09-11
- MathVista project pageS1 · 主要研究来源 · 其他来源 · 访问于 2026-09-11
- MathVista benchmark repositoryS1 · 主要研究来源 · 代码仓库 · 访问于 2026-09-11
验证历史
- 2023-10-03 · 论文已发布 · E2 · 研究记录
arXiv 研究记录公开 MathVista，并报告其对基础模型的初始评测。
- 2026-09-11 · 论文已发布 · E3 · 可检查工件
公开的 MathVista 仓库与项目页面提供基准数据访问和评测工具。E3 表示产物层级可检查，并不等同于所有报告分数都已获得独立验证。
更正
当前没有记录的更正。