Maison
Meituan dévoile LongCat, un modèle à 56 milliards de paramètres, établissant ainsi une nouvelle référence en matière de raisonnement mathématique open source
Alors que les grands modèles linguistiques s’étendent à des domaines spécialisés, Meituan a proposé une solution remarquable qui a suscité l’intérêt tant du monde universitaire que du secteur privé.
Le 21 mars, Meituan a officiellement lancé LongCat-Flash-Prover, un modèle de raisonnement mathématique à grande échelle. Ce système puissant, doté de 567,7 milliards de paramètres, utilise une architecture MoE (Mixture of Experts) avancée et est spécialement optimisé pour traiter des démonstrations mathématiques formelles extrêmement complexes.

Lors des tests de référence de premier plan évaluant le raisonnement logique, LongCat-Flash-Prover a affiché des performances exceptionnelles :
Des performances record : il a obtenu un score remarquable de 97,1 % au test MiniF2F, en seulement 72 tentatives de raisonnement.
Maîtrise des problèmes difficiles : il a résolu avec succès 41,5 % des défis du jeu de données PutnamBench. Ces deux résultats établissent de nouveaux records mondiaux « State-of-the-Art » (SOTA).
Afin de doter les grands modèles de la précision d’un mathématicien, Meituan a mis en œuvre plusieurs innovations techniques essentielles :
Réduction des « hallucinations » : un processus de vérification en plusieurs étapes basé sur les arbres de syntaxe abstraite (AST) a été mis en place, parallèlement à l’intégration du langage formel Lean4, ce qui a permis de minimiser efficacement les erreurs logiques et les « hallucinations » dans les déductions de l’IA.
Méthodes d’entraînement avancées : pour remédier à l’instabilité souvent observée dans les tâches à long terme au sein des modèles MoE, Meituan a déployé son algorithme propriétaire HisPO. Associée à une vérification de la cohérence des théorèmes, cette approche empêche le « reward hacking » pendant l’apprentissage par renforcement.
Architecture optimisée : avec un total de 560 milliards de paramètres, le modèle dispose d’une base de connaissances approfondie, tandis que la structure MoE garantit une inférence efficace et flexible.
Meituan a entièrement open-sourcé le modèle et son code source sur GitHub et Hugging Face.
Avec la sortie de LongCat-Flash-Prover
Article connexe
Meta veut que votre prochain gadget soit alimenté par Muse
Le Muse de Meta, un assistant IA qui gère les réservations de voyages, les soumissions de formulaires et les achats, a connu une adoption massive, mais une nouvelle initiative pourrait particulièrement intriguer les développeurs et les passionnés de
Wan-Streamer v0.2 offre une IA de chat à latence ultra-faible
Alors que la technologie moderne progresse rapidement, l'interaction entre les humains et l'intelligence artificielle devient de plus en plus courante. Les appels vidéo traditionnels peinent souvent à gérer les retards, les délais et la désynchronisa
Meta rejoint TSMC et Micron pour équiper de nouveaux serveurs avec des mémoires anciennes
Alors que l’adoption de l’intelligence artificielle s’accélère à l’échelle mondiale, la mémoire DDR5 de nouvelle génération connaît une pénurie critique d’approvisionnement. Afin d’éviter les retards dans le déploiement des centres de données dédiés
Recommandations de sujets spéciaux liés
commentaires (0)
Alors que les grands modèles linguistiques s’étendent à des domaines spécialisés, Meituan a proposé une solution remarquable qui a suscité l’intérêt tant du monde universitaire que du secteur privé.
Le 21 mars, Meituan a officiellement lancé LongCat-Flash-Prover, un modèle de raisonnement mathématique à grande échelle. Ce système puissant, doté de 567,7 milliards de paramètres, utilise une architecture MoE (Mixture of Experts) avancée et est spécialement optimisé pour traiter des démonstrations mathématiques formelles extrêmement complexes.

Lors des tests de référence de premier plan évaluant le raisonnement logique, LongCat-Flash-Prover a affiché des performances exceptionnelles :
Des performances record : il a obtenu un score remarquable de 97,1 % au test MiniF2F, en seulement 72 tentatives de raisonnement.
Maîtrise des problèmes difficiles : il a résolu avec succès 41,5 % des défis du jeu de données PutnamBench. Ces deux résultats établissent de nouveaux records mondiaux « State-of-the-Art » (SOTA).
Afin de doter les grands modèles de la précision d’un mathématicien, Meituan a mis en œuvre plusieurs innovations techniques essentielles :
Réduction des « hallucinations » : un processus de vérification en plusieurs étapes basé sur les arbres de syntaxe abstraite (AST) a été mis en place, parallèlement à l’intégration du langage formel Lean4, ce qui a permis de minimiser efficacement les erreurs logiques et les « hallucinations » dans les déductions de l’IA.
Méthodes d’entraînement avancées : pour remédier à l’instabilité souvent observée dans les tâches à long terme au sein des modèles MoE, Meituan a déployé son algorithme propriétaire HisPO. Associée à une vérification de la cohérence des théorèmes, cette approche empêche le « reward hacking » pendant l’apprentissage par renforcement.
Architecture optimisée : avec un total de 560 milliards de paramètres, le modèle dispose d’une base de connaissances approfondie, tandis que la structure
Meituan a entièrement open-sourcé le modèle et son code source sur GitHub et Hugging Face.
Avec la sortie de LongCat-Flash-Prover
Meta veut que votre prochain gadget soit alimenté par Muse
Le Muse de Meta, un assistant IA qui gère les réservations de voyages, les soumissions de formulaires et les achats, a connu une adoption massive, mais une nouvelle initiative pourrait particulièrement intriguer les développeurs et les passionnés de
Wan-Streamer v0.2 offre une IA de chat à latence ultra-faible
Alors que la technologie moderne progresse rapidement, l'interaction entre les humains et l'intelligence artificielle devient de plus en plus courante. Les appels vidéo traditionnels peinent souvent à gérer les retards, les délais et la désynchronisa
Meta rejoint TSMC et Micron pour équiper de nouveaux serveurs avec des mémoires anciennes
Alors que l’adoption de l’intelligence artificielle s’accélère à l’échelle mondiale, la mémoire DDR5 de nouvelle génération connaît une pénurie critique d’approvisionnement. Afin d’éviter les retards dans le déploiement des centres de données dédiés











