Одно семейство моделей, два золотых результата: Дообучение Nemotron для IOI и IMO
huggingface ·
Исследователи NVIDIA продемонстрировали, что семейство моделей Nemotron способно достигать результатов уровня золотой медали как на Международной олимпиаде по информатике (IOI), так и на Международной математической олимпиаде (IMO). Применяя контролируемое тонкое обучение (SFT), обучение с подкреплением (RL) и цикл вывода «генерация-проверка-уточнение», они адаптировали общие базовые модели для этих различных соревновательных областей. В IOI 2026 система Nemotron-3-Ultra-CC набрала 535,4 балла из 600, превзойдя порог получения золотой медали и лучший результат среди людей. На IMO 2026 комбинация контрольных точек SFT и RL позволила модели набрать 30 баллов из 42, превысив официальный стандарт золотой медали в 29 баллов. Результаты показывают, что успех обусловлен совместным проектированием специализированных обучающих данных и прозрачных рабочих процессов вывода, а не только использованием грубого выборочного поиска. NVIDIA опубликовала соответствующие модели, наборы данных и инструкции на платформе Hugging Face, чтобы стимулировать дальнейшее развитие сообщества. Эти открытые ресурсы включают специалиста по программированию Nemotron-3-Ultra-CC и полную коллекцию решений для математических доказательств IMO 2026.
huggingface