Lar
A Mistral AI torna o Leanstral 1.5 de código aberto para reduzir as barreiras na pesquisa matemática
A Mistral AI lançou recentemente um modelo de código aberto chamado Leanstral1.5, desenvolvido especificamente para a linguagem de prova formal matemática Lean4. Licenciado sob a licença Apache-2.0, esse modelo conta com 119 bilhões de parâmetros no total, dos quais apenas 6 bilhões estão ativados, mantendo o alto desempenho e reduzindo significativamente os custos.
Como ferramenta especializada para raciocínio matemático, o Leanstral1.5 apresenta resultados impressionantes. No respeitado benchmark de matemática formal miniF2F, ele alcançou uma taxa de conclusão de 100% tanto no conjunto de validação quanto no de teste. Ao enfrentar os desafiadores problemas da competição PutnamBench, o modelo resolveu com sucesso 587 das 672 questões em Lean4. Ele também se destacou na série de benchmarks FATE para álgebra abstrata, registrando uma taxa de sucesso de 87% no teste FATE-H de nível de mestrado e uma taxa de sucesso de 34% no teste FATE-X de nível de doutorado — estabelecendo um novo recorde para modelos desse tipo.

A eficiência de custo se destaca como outra vantagem fundamental desta versão. A Mistral AI destaca que, em comparação com as alternativas existentes, o Leanstral1.5 reduz drasticamente os custos do processo científico de tentativa e erro. Por exemplo, resolver uma questão do PutnamBench com o Leanstral1.5 custa, em média, apenas US$ 4, enquanto o modelo comparativo Seed-Prover1.5 custa mais de US$ 300, e o Aleph Prover varia de US$ 54 a US$ 68. Espera-se que essa redução acentuada no custo leve a assistência em provas matemáticas de alta precisão para fora do laboratório e para um uso mais amplo na pesquisa.
Em cenários práticos de desenvolvimento de código, o Leanstral1.5 também demonstra forte capacidade de detecção de bugs. Quando testado em 57 repositórios de código, ele identificou 47 violações, das quais 11 foram confirmadas como defeitos reais. Notavelmente, cinco dessas vulnerabilidades nunca haviam sido relatadas no GitHub antes, o que ressalta o potencial do modelo para auxiliar na verificação de programas e em auditorias de segurança.
Com o lançamento do Leanstral1.5 como código aberto, as áreas de matemática e ciência da computação ganham acesso mais fácil a uma poderosa ferramenta de assistência à demonstração. Ao reduzir tanto os custos computacionais quanto os financeiros, esse modelo está pronto para acelerar a adoção de demonstrações matemáticas formais, ajudando os pesquisadores a ir além de cálculos e verificações tediosas para se concentrarem em avanços científicos fundamentais.
Artigo relacionado
A Seed, da ByteDance, lança campanha global de captação de talentos em campus universitários, oferecendo ações virtuais para conquistar os melhores especialistas em grandes modelos de inteligência artificial
No cenário competitivo dos grandes modelos de linguagem, garantir talentos de alto nível continua sendo o ativo estratégico mais crítico.Em 1º de abril, ByteDance anunciou o lançamento de sua iniciativa global de recrutamento campus Seed, parte de se
Suno para Marcas d'Água em Músicas Durante Batalhas Legais
O Suno, plataforma que permite aos usuários gerar músicas criadas por inteligência artificial, apresentou novas funcionalidades para rotular as faixas produzidas pela plataforma, restringir downloads e atualizar os padrões da comunidade para coibir r
Musk admite que vazamento do código do Grok expôs dados de usuários e promete apagar todas as informações históricas.
Elon Musk abordou diretamente a controvérsia sobre privacidade envolvendo o Grok Build, começando com um simples "Verdadeiro" para confirmar a validade do incidente. Ele prometeu que todos os dados dos usuários carregados anteriormente para a SpaceXA
Recomendações de tópicos especiais relacionados
Comentários (0)
A Mistral AI lançou recentemente um modelo de código aberto chamado Leanstral1.5, desenvolvido especificamente para a linguagem de prova formal matemática Lean4. Licenciado sob a licença Apache-2.0, esse modelo conta com 119 bilhões de parâmetros no total, dos quais apenas 6 bilhões estão ativados, mantendo o alto desempenho e reduzindo significativamente os custos.
Como ferramenta especializada para raciocínio matemático, o Leanstral1.5 apresenta resultados impressionantes. No respeitado benchmark de matemática formal miniF2F, ele alcançou uma taxa de conclusão de 100% tanto no conjunto de validação quanto no de teste. Ao enfrentar os desafiadores problemas da competição PutnamBench, o modelo resolveu com sucesso 587 das 672 questões em Lean4. Ele também se destacou na série de benchmarks FATE para álgebra abstrata, registrando uma taxa de sucesso de 87% no teste FATE-H de nível de mestrado e uma taxa de sucesso de 34% no teste FATE-X de nível de doutorado — estabelecendo um novo recorde para modelos desse tipo.

A eficiência de custo se destaca como outra vantagem fundamental desta versão. A Mistral AI destaca que, em comparação com as alternativas existentes, o Leanstral1.5 reduz drasticamente os custos do processo científico de tentativa e erro. Por exemplo, resolver uma questão do PutnamBench com o Leanstral1.5 custa, em média, apenas US$ 4, enquanto o modelo comparativo Seed-Prover1.5 custa mais de US$ 300, e o Aleph Prover varia de US$ 54 a US$ 68. Espera-se que essa redução acentuada no custo leve a assistência em provas matemáticas de alta precisão para fora do laboratório e para um uso mais amplo na pesquisa.
Em cenários práticos de desenvolvimento de código, o Leanstral1.5 também demonstra forte capacidade de detecção de bugs. Quando testado em 57 repositórios de código, ele identificou 47 violações, das quais 11 foram confirmadas como defeitos reais. Notavelmente, cinco dessas vulnerabilidades nunca haviam sido relatadas no GitHub antes, o que ressalta o potencial do modelo para auxiliar na verificação de programas e em auditorias de segurança.
Com o lançamento do Leanstral1.5 como código aberto, as áreas de matemática e ciência da computação ganham acesso mais fácil a uma poderosa ferramenta de assistência à demonstração. Ao reduzir tanto os custos computacionais quanto os financeiros, esse modelo está pronto para acelerar a adoção de demonstrações matemáticas formais, ajudando os pesquisadores a ir além de cálculos e verificações tediosas para se concentrarem em avanços científicos fundamentais.
A Seed, da ByteDance, lança campanha global de captação de talentos em campus universitários, oferecendo ações virtuais para conquistar os melhores especialistas em grandes modelos de inteligência artificial
No cenário competitivo dos grandes modelos de linguagem, garantir talentos de alto nível continua sendo o ativo estratégico mais crítico.Em 1º de abril, ByteDance anunciou o lançamento de sua iniciativa global de recrutamento campus Seed, parte de se
Suno para Marcas d'Água em Músicas Durante Batalhas Legais
O Suno, plataforma que permite aos usuários gerar músicas criadas por inteligência artificial, apresentou novas funcionalidades para rotular as faixas produzidas pela plataforma, restringir downloads e atualizar os padrões da comunidade para coibir r
Musk admite que vazamento do código do Grok expôs dados de usuários e promete apagar todas as informações históricas.
Elon Musk abordou diretamente a controvérsia sobre privacidade envolvendo o Grok Build, começando com um simples "Verdadeiro" para confirmar a validade do incidente. Ele prometeu que todos os dados dos usuários carregados anteriormente para a SpaceXA











