在潜空间生成新样本以扩充数学解题器训练数据，保持数学依赖一致性，提升现有解题器性能。
Qin, Jinghui · Huang, Zhongzhan · Ying, Zeng · 张拳石 · 林倞
IEEE/ACM Transactions on Audio Speech and Language Processing 2024
IDAM 在潜空间而非输入空间进行扩充，避免了直接改动题目文本带来的语义模糊，因此扩充后的题目不会让模型更难理解。
通过新的训练目标约束，IDAM 确保原题与扩充样本之间的数学依赖一致性，让扩充数据在训练中真正起到正面作用。
在标准基准上的大量实验表明，IDAM 无需针对特定模型做精心设计，就能普遍提升现有数学应用题求解器的性能。