模型性能对比 - Kimi新模型在定理证明领域超越DeepSeek-Prover-V2的671B版本，实现SOTA（State of the Art）性能，72B参数模型表现更优[1] - 在普特南测试中，DeepSeek-Prover V2刷新记录至49道题，而Kimina-Prover仅能完成10道[4][5] - miniF2F基准测试中，Kimina-Prover-72B在pass@32时通过率84.0%，纠错后提升至86.4%，TTRL框架下最终通过率达92.2%[31][32][33] 技术创新 - 引入测试时强化学习（TTRL）搜索框架，支持递归分解问题、并行子引理生成及否定过滤，提升复杂问题解决能力[13][16][19][24] - 开发错误修复机制，通过Lean错误信息解读和迭代反馈优化证明可靠性，结合SFT数据集和批量失败重演策略[25][26] - 其他技术包括随机证明切割数据增强和非证明问题求解，进一步强化模型能力[30] 团队背景与合作 - 模型由Numina组织与Kimi团队联合开发，Numina曾获AI-MO竞赛进步一等奖，获陶哲轩颁奖[2][38] - 团队受MistralAI、Meta等机构支持，核心成员包括中山大学博士生Haiming Wang、月之暗面研究员Flood Sung等[36][37][40][42] - 项目有16位组织成员参与，含多名华人学者，如北京大学毕业生刘征瀛、Numina联合创始人李嘉[39][42][43] 模型版本与架构 - 主模型基于Qwen2.5-72B，采用Kimi k1.5强化学习流程训练[8] - 推出精简版Kimina-Prover-Distill-8B和1.7B，分别基于Qwen3-8B和Qwen3-1.7B[10] - 对比DeepSeek-Prover-V2-671B，Kimina-Prover-72B在pass@1和pass@1024通过率分别为63.9%和87.7%，优于前者的61.9%和86.6%[34]