一个模型家族,两项金牌成绩:微调 Nemotron 以应对 IOI 和 IMO
huggingface ·
NVIDIA研究人员表明,Nemotron模型系列在国际信息学奥林匹克竞赛(IOI)和国际数学奥林匹克竞赛(IMO)中均能达到金牌水平。通过应用监督式微调、强化学习以及生成-验证-精炼的推理循环,他们将通用基础模型针对这两个不同的竞技领域进行了专业化调整。在2026年IOI中,Nemotron-3-Ultra-CC系统以600分中的535.4分的成绩超越了金牌分数线及人类最高得分。在2026年IMO中,结合监督式微调和强化学习的检查点使模型获得了42分中的30分,超过了官方规定的29分金牌标准。结果表明,成功源于将专用训练数据与透明的推理工作流程进行协同设计,而非仅依赖暴力采样。NVIDIA已在Hugging Face上发布了相关模型、数据集和训练配方,以促进社区的进一步发展。这些开放资源包括Nemotron-3-Ultra-CC编程专家模型以及用于2026年IMO数学证明的完整集合。
huggingface