Li et al.: 記号ソルバーを審判にして幾何問題を「検証可能」に解く — Fukai が読む

まず要点(TL;DR)

図と文で書かれた幾何の問題を、AI に「本当に解けた」と言い切れる形で解かせる研究を読む。arXiv に2026年6月に投稿されたプレプリント(preprint。査読前の投稿原稿)で、著者は Can Li・Ting Zhang・Junbo Zhao・Hua Huang の各氏。提案手法の名前は SD-GPS という。

肝は「記号ソルバー(symbolic solver。あらかじめ決めた規則に従って一歩ずつ厳密に推論するプログラム)を、翻訳から証明まで一貫して審判役に使う」という発想だ。問題を数式ではなくソルバーが実行できる形式言語へ翻訳し、途中で手詰まりになったら補助線にあたる小さな定理(補題)を AI が自分で提案し、その提案が正しいかをソルバー自身に検証させる。要旨によれば、Geometry3K と PGPS9K という二つのベンチマークで、既存の手法を一貫して上回ったという。

断っておくと、本稿はサイトの論文紹介として、公開されている要旨(abstract)と書誌情報に基づいて要点を整理したものだ。本文の細かな数値までは追えていないので、正確な数字は原論文にあたってほしい。

はじめに — なぜ今日この論文を選んだか

私は毎朝コーヒー片手に arXiv の新着を眺めているのだが、今日は cs.AI(人工知能)の新着に「Verifiable Geometry Problem Solving(検証可能な幾何問題解決)」というタイトルを見つけて手が止まった。著者は Can Li 氏ら4名、分類は cs.AI・cs.CL(自然言語処理)・cs.CV(コンピュータビジョン)にまたがっている。所属機関は要旨からは確認できなかったので、ここでは断定を避ける。

この論文は査読を通った会議論文ではなく、arXiv のプレプリント(投稿は2026年6月、まだ peer-review を通っていない可能性がある)だ。投稿されて日が浅く、被引用数もこれから積み上がる段階なので、「まだ広く議論されていない研究」として読むのが正しい距離感だと思う。

私がこれを紹介したいと思ったのは、扱っている技術がパズルを作る人の関心にまっすぐ刺さるからだ。「AI が問題を解ける形に翻訳し、解けるかどうかを審判に確かめさせ、行き詰まったら手を足す」——これは幾何の話でありながら、私には「解けることが保証されたパズルを自動生成する」という古くて新しい課題そのものに聞こえた。

背景 — 「幾何を解く AI」で何が難しいのか

幾何の問題は、人間には図を見た直感が効くが、コンピュータには厄介だ。近年は「ニューロシンボリック(neuro-symbolic。ニューラルネットの直感的な当て推量と、記号的な規則に基づく厳密な推論を組み合わせる考え方)」という枠組みが広く使われている。ざっくり言えば、AI が「たぶんこう解ける」と当たりをつけ、記号ソルバーが「その手は規則上正しいか」を確かめる、という分業だ。

この分業には二つの詰まりどころがある。要旨で著者が挙げているのは、第一に「自動形式化(autoformalization。図や文章の問題を、ソルバーが読める形式言語へ機械的に翻訳する工程)」が、後段のソルバーとの相性を考えずに単独の作業として扱われてきた点。翻訳はできても、その翻訳文をソルバーが実際に実行できなければ意味がない。

第二に、ソルバーが使える規則の一覧(ルールライブラリ)が固定されているため、推論がしばしば「行き詰まり(deductive impasse。手持ちの規則だけでは次の一歩が導けなくなる状態)」に陥る点だ。人間なら「ここで補助線を引こう」と機転を利かせる場面で、規則が足りずに止まってしまう。この二つを同時にほどこうとしたのが本論文だと私は読んだ。

アプローチ — ソルバーを「審判」として最後まで使う

著者らの手法 SD-GPS の骨子は、要旨の言葉を借りれば「記号ソルバーを、形式化の段階でも推論の段階でも、一貫して実行の審判(execution oracle。正解を教えるのではなく、その手が実行可能か・正しいかを判定する存在)として使う」ことにある。数式は使わずに言い換えれば、翻訳の良し悪しも、証明の一歩一歩も、最後は「ソルバーが実際に動かせたか」で採点する、という設計だ。

一つ目の部品が「ソルバー駆動の自動形式化(Solver-Driven Autoformalization)」。ここでは、形式言語へ翻訳する訓練を、教師データによる調整と「解けるかどうかを手がかりにした強化学習(reinforcement learning。試行錯誤しながら、良い結果につながる行動を強めていく学習の枠組み)」とを一つの部品にまとめている。要旨によれば、この土台には QwenVL3-2B という比較的小さめの視覚・言語モデルが使われ、「実行できること(executability)」を学習の中心的な信号に据えたという。

二つ目の部品が「検証付きの定理提案(Verified Theorem Proposing)」。推論が行き詰まったとき、その時点の証明の状態を見て、局所的に使える補助的な補題(lemma。小さな中間命題。幾何で言えば補助線や中間の等式にあたる)を AI が提案する。ただし提案しっぱなしにはせず、すべての提案を記号的な検証にかけ、正しいものだけを通す。これによって「機転を利かせても嘘はつかない」状態を保つ、という筋書きだと私は理解している。

発見 — 要旨が述べている結果

結果について、要旨は次のように述べている。Geometry3K と PGPS9K という二つの幾何問題ベンチマーク(性能を比べるための共通問題集)で、SD-GPS は既存の「MLLM(Multimodal Large Language Model。画像と文章の両方を扱える大規模モデル)」系・純粋なニューラル系・ニューロシンボリック系の手法を「一貫して上回った(consistently outperforms)」という。しかも、標準的な穴埋め、多肢選択、そして図と文をまたぐ参照という複数の評価形式で、である。

正直に書くと、私が確認できた要旨には具体的な数値(何パーセント上回ったか等)が載っていない。だから「どれくらい上回ったか」をここで数字で示すことはしない。著者が数字で語っている箇所は原論文の表にあるはずなので、そこは原典で確かめてほしい。数値を勝手に補うのは、この連載でいちばんやってはいけないことだと私は思っている。

著者が結論として掲げているのは、「多様な知覚(図と文)と記号的な実行のあいだのループを閉じることが、幾何の推論を確かに改善する」という主張だ。言い換えれば、当て推量と厳密な検証を切り離さず、ひとつの輪につないだことが効いた、という読み筋である。

使いどころ — パズル/ゲームを作る人はどう応用できるか

ここからは論文の主張ではなく、私(Fukai)が「作り手ならこう使える」と考えた応用案だ。一つ目。解けることが保証されたパズルの自動生成。この論文の「ソルバーを審判に据える」発想は、そのままパズル生成に移せる。たとえば数独や幾何パズル、ナンプレ系を自動生成するとき、生成器が問題を吐くたびにソルバーに解かせ、一意に解けるものだけを採用する。「作ってから検証する」のではなく「検証で作る」という向きだ。

二つ目。難易度の調整に「補題の数」を使う。この論文は行き詰まりのたびに補助的な一歩(補題)を挟む。逆に作り手の側から見れば、正解までに必要な補助ステップの数は、そのまま難しさの目安になる。もし自分が幾何パズルや証明パズルを作っているなら、ソルバーが解答に要した補助ステップ数で問題を並べ替え、易しい順・難しい順のコースを自動で組める。

三つ目。嘘をつかないヒント生成。この論文の「提案を必ず記号検証にかける」仕組みは、ヒント機能に効く。もしパズルアプリのヒントを LLM に書かせているなら、ヒント候補を出させたうえで、それが実際に正解へ向かう一歩かどうかをソルバーで検証してから提示する。プレイヤーを袋小路へ導く「もっともらしい嘘のヒント」を、検証の壁で止められる。

四つ目、やや外れるが。もしハイパーカジュアル(短時間で遊べる軽量ゲーム)の PCG(Procedural Content Generation。コンテンツの自動生成)を回しているなら、「生成モデル+検証ソルバー」の二段構えという設計思想そのものが参考になる。派手な生成器を一つ置くより、そこそこの生成器に厳しい審判を組み合わせるほうが、破綻のない面を安定して出せることが多い。

限界 — どこまで言えて、どこから言えないか

限界を二層に分けて書く。まず率直に認めるべき、本稿そのものの限界。ここで Fukai が指摘するのは、私が読めたのが要旨中心で、方法の細部や結果の数値までは追えていない点だ。だから「どの部品がどれだけ効いたか」を切り分ける ablation study(アブレーション研究。設計のどの部分が効いているかを、要素を一つずつ外して検証する実験)の中身は、この記事では語れない。原論文で必ず確かめてほしい。

次に、対象そのものの限界。要旨の範囲で見ても、評価は幾何問題(Geometry3K・PGPS9K)に閉じている。幾何の外——たとえば組み合わせパズルや論理パズル——にそのまま効くとは、要旨は述べていない。土台のモデルも QwenVL3-2B という小さめのもので、これは軽さの利点にも、天井の低さにもなりうる。ここは原論文の考察を読むまで判断を保留したい。

もう一点、Fukai がここで指摘しておきたいのは、「検証可能(verifiable)」という言葉の足元だ。この枠組みの正しさは、審判である記号ソルバーの正しさに乗っている。ソルバーの規則や実装に穴があれば、「検証済み」という安心はその穴の分だけ目減りする。作り手として応用するときも、審判の信頼性をどう担保するかは別途考える必要がある、と私は読んだ。

Fukai の読み

ここは私の解釈だと断ったうえで書く。私はこの研究を、「生成と検証を一つの輪につなぐ」という設計思想の系譜に位置づけたい。設計批評の語彙で言えば、これは補助線というひらめきの自動化に近い。ただし本論文が面白いのは、ひらめきを増やすことより、ひらめきに嘘をつかせない仕組み——提案を必ず審判に通す——を中心に据えた点だ。パズル作りで私がいつも大事にする「解けることの保証」と、この論文の「実行できることを学習信号にする」という発想は、同じコインの表と裏だと私は読んだ。

おわりに

幾何を「解ける形」に翻訳し、行き詰まったら手を足し、その手を審判に確かめさせる。技術の細部は幾何に閉じているが、そこに流れる「生成を検証で締める」という思想は、パズルやレベルを作るすべての人に地続きだと思う。もっと深く知りたい人は、まず原論文の表(数値)を確かめ、そのうえで幾何の自動証明や、解けることを保証する PCG の系統を合わせて読むと、この研究の居場所が地図の上に見えてくるはずだ。

繰り返しになるが、本稿は要旨に基づく紹介であり、投稿間もないプレプリントを扱っている。数字や方法の細部は、必ず原典で確かめてほしい。

参考文献

本記事で参照した論文と関連資料:

・Verifiable Geometry Problem Solving: Solver-Driven Autoformalization and Theorem Proposing (Can Li, Ting Zhang, Junbo Zhao, Hua Huang, 2026, arXiv preprint arXiv:2606.27926)

・本稿は上記論文の要旨(abstract)と書誌情報に基づく紹介である。数値・方法の細部は原論文(PDF/HTML)を参照のこと。

・関連する読み物として、幾何の自動証明や、解けることを保証するパズル生成(constructive PCG)の系統を合わせて読むと理解が深まる。