美团近日开源了名为LongCat-Flash-Prover的大模型，该模型拥有5677亿参数，并采用MoE（混合专家模型）形态，专注于解决复杂的数学证明问题。模型引入了混合专家迭代框架，用于生成大规模、高质量的形式化推理轨迹，并通过整合Lean4、基于AST的多阶段严格验证流程，以消除“幻觉”现象。

在训练过程中，LongCat-Flash-Prover模型利用混合专家迭代框架生成冷启动数据，并在强化学习阶段引入HisPO算法，以稳定MoE模型的长程任务训练。此外，模型还加入了定理一致性和合法性检测机制，以防止RewardHacking（奖励黑客行为）。基准测试显示，该模型在MiniF2F-Test上取得了97.1%的成绩，仅需72次推理尝试；在PutnamBench任务上解决了41.5%的问题，使用118次推理尝试，均刷新了SOTA水平。