美团开源 LongCat-Flash-Prover 大模型：5600 亿参数刷新两项数学证明 SOTA

美团近日开源了 LongCat-Flash-Prover 大模型，该模型采用 5677 亿参数混合专家（MoE）形态，专注于解决复杂数学证明问题。它引入混合专家迭代框架生成高质量形式化推理轨迹，并通过整合 Lean4 和多阶段严格验证流程消除“幻觉”现象。

训练方面，模型利用混合专家框架生成冷启动数据，强化学习阶段采用 HisPO 算法稳定长程任务训练，同时加入定理一致性与合法性检测机制防止奖励黑客行为。

基准测试显示，该模型在 MiniF2F-Test 上取得 97.1%的成绩（仅需 72 次推理尝试），在 PutnamBench 任务中解决 41.5%的问题（118 次尝试），两项均刷新当前 SOTA 水平。