作者：绝密伏击

https://zhuanlan.zhihu.com/p/1954613742634504507

技术报告：LongCat-Flash-Thinking Technical Report
链接：https://github.com/meituan-longcat/LongCat-Flash-Thinking/blob/main/tech_report.pdf

前几天刚不久，美团发布了 LongCat-Flash-Chat，将大模型的“卷”带到了新高度。

而就在这两天，美团就发布了对应的推理模型 LongCat-Flash-Thinking。在保持了 LongCat-Flash-Chat 极致速度的同时，全新发布的 LongCat-Flash-Thinking 更强大、更专业。综合评估显示，LongCat-Flash-Thinking 在逻辑、数学、代码、智能体等多个领域的推理任务中，取得了不错的效果。

1. 训练细节

LongCat-Flash-Thinking 的训练流程与 GLM-4.5 十分相似。主要区别在于，GLM-4.5 在分领域强化学习之后，会直接对各个专家模型进行蒸馏，并最终统一到一次 SFT；而 LongCat-Flash-Thinking 则选择先对专家模型进行 Model Fusion，得到 Fused Model，再进入 General RL。下图展示了 GLM-4.5 与 LongCat-Flash-Thinking 的差异：

从上图可以看出，两者的核心区别在于对三个专家模型的处理方式。GLM-4.5 选择直接蒸馏三个专家模型，并在此基础上统一进行 SFT；而 LongCat-Flash-Thinking 则先将三个专家模型融合为一个 Fused Model，再进入通用强化。

除此之外，虽然在一些细节上可能存在差异，但整体方向大体一致。接下来，我们将重点介绍美团在模型融合上的具体做法。

2. Model Fusion

在 Large-Scale RL 阶段，得到了三个 领域专家模型：

• STEM Expert Model（擅长数学和科学推理）
• Code Expert Model（擅长代码生成与程序推理）
• Agentic Expert Model（擅长工具调用和交互式任务）

问题在于：

• 直接将不同领域的模型混合，会产生 参数干扰（interference）。
• 有的参数更新可能互相冲突，甚至导致某些领域性能下降。

因此，需要一种 稳定的模型融合方法，将多个专家模型合并为一个 统一的 Fused Model，并尽可能保留各自优势。

2.1 Normalization（归一化任务向量）

每个领域的更新量定义为：

即 RL 之后的参数减去 SFT 基线参数

• 不同领域的 ​\tau_i 可能尺度差异很大。
• 解决方法：对它们做 归一化处理，保证每个领域在融合时权重相对均衡。

比如 L2 Norm 归一化 对每个任务向量 ​\tau_i 做：

这样每个领域的更新方向保留，但幅度被压到同一尺度。归一化后的向量再加权合并：

其中 ​w_i 可以是：

• 等权重 (uniform)：所有领域一样重要。
• 性能加权 (performance-based)：某领域在验证集表现更好，就赋予更大权重

2.2 Dropout（丢弃冗余参数）

在领域并行 RL 后，我们有三个专家模型：STEM、Code、Agentic。

• 这些模型的参数更新（ ​\tau_i = \theta_i^{RL} - \theta^{SFT} ）往往存在 重叠的部分。
• 举例：STEM 和 Code 都会更新某些 “通用推理” 参数，比如 attention 层的权重，方向差不多。
• 如果直接把所有更新叠加，会导致 重复贡献 → 参数过大偏移 → 训练不稳定。

因此，需要一种方法来 削减冗余，这就是 Dropout。

• 借鉴了 DARE (Domain-Aware Redundancy Erasing) 思路。
• 对“重复更新”的参数，不是全部保留，而是 随机丢弃一部分，减少累积放大的效应。

举个例子，假设我们融合三个专家在某一参数 W 上的更新：

• STEM：+0.10
• Code：+0.12
• Agentic：+0.11

这三个更新方向几乎一致，说明是 高度冗余。 如果直接相加：

→ 更新量过大，可能破坏训练稳定性。

引入 Dropout：

• 假设 Dropout rate = 0.33
• 随机丢弃其中一个更新，比如丢掉 STEM 的贡献：

• 这样仍然保留了方向（正向增强），但避免了三者累加过大。

2.3 Erase（擦除冲突更新）

• 借鉴 SCE (Selective Conflict Erasing) 的思路。
• 如果某个参数在不同专家模型中的更新方向冲突严重，且有一方属于“少数派”，则擦除掉少数派的更新。

例子：

• STEM 模型：参数 W 增加 +0.2
• Code 模型：参数 W 增加 +0.25
• Agentic 模型：参数 W 减少 -0.8
• 融合时发现：STEM 和 Code 一致，而 Agentic 方向相反且幅度大。
• 采用 Erase：删除 Agentic 在该参数上的更新，只保留 STEM + Code 的共识更新。

通过 Normalization + Dropout + Erase，最终得到一个 统一的 Fused Model。