एक मॉडल परिवार, दो गोल्ड-स्तरीय परिणाम: IOI और IMO के लिए Nemotron का फाइन-ट्यूनिंग
huggingface ·
एनवीडिया के शोधकर्ताओं ने दिखाया है कि नेमोट्रॉन मॉडल परिवार अंतर्राष्ट्रीय ओलंपियाड इन इन्फॉर्मेटिक्स (IOI) और अंतर्राष्ट्रीय मैथेमेटिकल ओलंपियाड (IMO) दोनों में स्वर्ण पदक स्तर की प्रदर्शन क्षमता प्राप्त कर सकता है। सुपरवाइज्ड फाइन-ट्यूनिंग, रीइन्फोर्समेंट लर्निंग और एक जनरेट-वेरीफाई-रिफाइन इनफरेंस लूप लागू करके, उन्होंने सामान्य फाउंडेशन मॉडलों को इन विशिष्ट प्रतिस्पर्धी क्षेत्रों के लिए विशेषज्ञ बनाया। IOI 2026 के लिए, नेमोट्रॉन-3-अल्ट्रा-सीसी सिस्टम ने 600 में से 535.4 अंक हासिल किए, जो स्वर्ण सीमा और सर्वश्रेष्ठ मानव स्कोर दोनों से ऊपर था। IMO 2026 में, SFT और RL चेकपॉइंट्स का संयोजन मॉडल को 42 में से 30 अंक दिला सका, जो आधिकारिक स्वर्ण मानक 29 से अधिक था। ये परिणाम दर्शाते हैं कि सफलता मुख्य रूप से विशेष प्रशिक्षण डेटा और पारदर्शी इनफरेंस वर्कफ़्लो को सह-डिज़ाइन करने से आती है, न कि केवल ब्रूट-फोर्स सैंपलिंग पर निर्भर रहने से। एनवीडिया ने आगे समुदाय विकास को प्रोत्साहित करने के लिए संबंधित मॉडल, डेटासेट और रेसिपी Hugging Face पर जारी की हैं। इन खुले संसाधनों में नेमोट्रॉन-3-अल्ट्रा-सीसी कोडिंग विशेषज्ञ और IMO 2026 गणितीय प्रमाणों का पूर्ण संग्रह शामिल है।
huggingface