Heim
Meituan stellt „LongCat“ mit 56 Milliarden Parametern vor und setzt damit neue Maßstäbe im Bereich des mathematischen Schlussfolgerns in Open Source
Während große Sprachmodelle zunehmend in spezialisierte Fachgebiete vordringen, hat Meituan eine herausragende Lösung vorgestellt, die sowohl in der Wissenschaft als auch in der Industrie großes Interesse geweckt hat.
Am 21. März stellte Meituan offiziell LongCat-Flash-Prover vor, ein groß angelegtes Modell für mathematisches Schlussfolgern. Dieses leistungsstarke System mit 567,7 Milliarden Parametern nutzt eine fortschrittliche MoE-Architektur (Mixture of Experts) und ist speziell für die Bearbeitung hochkomplexer formaler mathematischer Beweise optimiert.

In führenden Benchmarks zur Bewertung des logischen Schlussfolgerns hat LongCat-Flash-Prover eine außergewöhnliche Leistung gezeigt:
Rekordleistung: Beim MiniF2F-Test erzielte es eine bemerkenswerte Punktzahl von 97,1 % und benötigte dafür nur 72 Schlussfolgerungsversuche.
Lösung schwieriger Probleme: Es löste erfolgreich 41,5 % der Aufgaben im PutnamBench-Datensatz. Beide Ergebnisse stellen neue weltweite State-of-the-Art-Rekorde (SOTA) auf.
Um große Modelle mit der Präzision eines Mathematikers auszustatten, hat Meituan mehrere entscheidende technische Innovationen umgesetzt:
Reduzierung von „Halluzinationen“: Es wurde ein mehrstufiger Verifizierungsprozess auf Basis von Abstract Syntax Trees (AST) eingeführt, zusammen mit der Integration der formalen Sprache Lean4, wodurch logische Fehler und „Halluzinationen“ bei KI-Schlussfolgerungen effektiv minimiert werden.
Fortschrittliche Trainingsmethoden: Um die bei Aufgaben mit langem Zeithorizont in MoE-Modellen häufig auftretende Instabilität zu beheben, setzte Meituan seinen proprietären HisPO-Algorithmus ein. In Kombination mit einer Konsistenzprüfung von Theoremen verhindert dieser Ansatz „Reward Hacking“ während des verstärkenden Lernens.
Optimierte Architektur: Mit insgesamt 560 Milliarden Parametern verfügt das Modell über eine umfassende Wissensbasis, während die MoE-Struktur eine effiziente und flexible Inferenz gewährleistet.
Meituan hat das Modell und seinen Quellcode auf GitHub und Hugging Face vollständig als Open Source veröffentlicht.
Mit der Veröffentlichung von LongCat-Flash-Prover
Verwandter Artikel
Meta möchte, dass Ihr nächstes Gadget mit Muse-Technologie ausgestattet ist
Metas Muse, ein KI-Assistent, der Buchungen für Reisen, Formularübermittlungen und Einkäufe übernimmt, hat eine weit verbreitete Akzeptanz gefunden, doch eine neue Initiative könnte insbesondere Entwickler und Hardware-Enthusiasten interessieren.Am
Wan-Streamer v0.2 bietet ultra-niedrige Latenz für KI-Chats
Da sich die moderne Technologie rasch weiterentwickelt, wird die Interaktion zwischen Mensch und KI immer häufiger. Traditionelle Videoanrufe kämpfen oft mit Verzögerungen, Latenzzeiten und einer Synchronisationslücke zwischen Audio und Video. Wan-St
Meta schließt sich TSMC und Micron an, um neue Server mit alter Speicherhardware auszustatten
Während die Einführung künstlicher Intelligenz weltweit voranschreitet, herrscht bei dem nächsten Generation DDR5-Speicher eine kritische Knappheit. Um Verzögerungen beim Aufbau von KI-Rechenzentren zu vermeiden, hat Meta mit Branchenführern wie TSMC
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)
Während große Sprachmodelle zunehmend in spezialisierte Fachgebiete vordringen, hat Meituan eine herausragende Lösung vorgestellt, die sowohl in der Wissenschaft als auch in der Industrie großes Interesse geweckt hat.
Am 21. März stellte Meituan offiziell LongCat-Flash-Prover vor, ein groß angelegtes Modell für mathematisches Schlussfolgern. Dieses leistungsstarke System mit 567,7 Milliarden Parametern nutzt eine fortschrittliche MoE-Architektur (Mixture of Experts) und ist speziell für die Bearbeitung hochkomplexer formaler mathematischer Beweise optimiert.

In führenden Benchmarks zur Bewertung des logischen Schlussfolgerns hat LongCat-Flash-Prover eine außergewöhnliche Leistung gezeigt:
Rekordleistung: Beim MiniF2F-Test erzielte es eine bemerkenswerte Punktzahl von 97,1 % und benötigte dafür nur 72 Schlussfolgerungsversuche.
Lösung schwieriger Probleme: Es löste erfolgreich 41,5 % der Aufgaben im PutnamBench-Datensatz. Beide Ergebnisse stellen neue weltweite State-of-the-Art-Rekorde (SOTA) auf.
Um große Modelle mit der Präzision eines Mathematikers auszustatten, hat Meituan mehrere entscheidende technische Innovationen umgesetzt:
Reduzierung von „Halluzinationen“: Es wurde ein mehrstufiger Verifizierungsprozess auf Basis von Abstract Syntax Trees (AST) eingeführt, zusammen mit der Integration der formalen Sprache Lean4, wodurch logische Fehler und „Halluzinationen“ bei KI-Schlussfolgerungen effektiv minimiert werden.
Fortschrittliche Trainingsmethoden: Um die bei Aufgaben mit langem Zeithorizont in MoE-Modellen häufig auftretende Instabilität zu beheben, setzte Meituan seinen proprietären HisPO-Algorithmus ein. In Kombination mit einer Konsistenzprüfung von Theoremen verhindert dieser Ansatz „Reward Hacking“ während des verstärkenden Lernens.
Optimierte Architektur: Mit insgesamt 560 Milliarden Parametern verfügt das Modell über eine umfassende Wissensbasis, während die
Meituan hat das Modell und seinen Quellcode auf GitHub und Hugging Face vollständig als Open Source veröffentlicht.
Mit der Veröffentlichung von LongCat-Flash-Prover
Meta möchte, dass Ihr nächstes Gadget mit Muse-Technologie ausgestattet ist
Metas Muse, ein KI-Assistent, der Buchungen für Reisen, Formularübermittlungen und Einkäufe übernimmt, hat eine weit verbreitete Akzeptanz gefunden, doch eine neue Initiative könnte insbesondere Entwickler und Hardware-Enthusiasten interessieren.Am
Wan-Streamer v0.2 bietet ultra-niedrige Latenz für KI-Chats
Da sich die moderne Technologie rasch weiterentwickelt, wird die Interaktion zwischen Mensch und KI immer häufiger. Traditionelle Videoanrufe kämpfen oft mit Verzögerungen, Latenzzeiten und einer Synchronisationslücke zwischen Audio und Video. Wan-St
Meta schließt sich TSMC und Micron an, um neue Server mit alter Speicherhardware auszustatten
Während die Einführung künstlicher Intelligenz weltweit voranschreitet, herrscht bei dem nächsten Generation DDR5-Speicher eine kritische Knappheit. Um Verzögerungen beim Aufbau von KI-Rechenzentren zu vermeiden, hat Meta mit Branchenführern wie TSMC











