Perpustakaan Digital ITB

Penelitian ini bertujuan untuk mengembangkan strategi eksplorasi berbasis latent action space guna meningkatkan kemampuan Large Language Models (LLM) dalam melakukan penalaran geometri. Pada pendekatan yang diusulkan, LLM menerima soal geometri dalam bentuk teks tanpa gambar, kemudian membentuk representasi laten berupa urutan langkah konseptual yang diperlukan untuk membangun objek geometri. Representasi ini selanjutnya ditransformasikan oleh dekoder menjadi kode konstruksi menggunakan Geometry Constructions Latex Converter (GCLC), sehingga dapat menghasilkan visualisasi bangun datar maupun bangun ruang sesuai dengan deskripsi soal. Validasi terhadap konstruksi dilakukan dengan memanfaatkan Wu’s method sebagai alat verifikasi simbolik, yang digunakan untuk menguji sifat-sifat geometri seperti ketegaklurusan, kesegarisan, serta kesamaan panjang. Proses verifikasi struktural kode GCLC ini berperan sebagai sinyal reward tambahan dalam fungsi objektif pelatihan, yang memberikan umpan balik terhadap validitas sintaksis dan kelengkapan konstruksi yang dihasilkan. Integrasi Wu's Method sebagai mekanisme verifikasi simbolik penuh diposisikan sebagai arah pengembangan lanjutan. Dengan demikian, strategi ini tidak hanya berfokus pada jawaban akhir, tetapi juga pada koherensi jalur penalaran yang ditempuh oleh model. Hasil penelitian diharapkan dapat meningkatkan reliabilitas dan interpretabilitas LLM dalam menyelesaikan persoalan geometri, serta menunjukkan potensi integrasi metode aljabar simbolik dengan pembelajaran representasi laten untuk mendukung pemecahan masalah matematis secara otomatis.