Nemotron微调在IOI与IMO达金牌水平

2026年10月7日，英伟达团队在Hugging Face博客发布研究结果：从Nemotron 3出发，采用监督微调（SFT）、强化学习（RL）和生成-验证-改进的反馈驱动推理流程，使模型在IOI 2026与IMO 2026双双达到金牌水平。据该报道，IOI 2026中Nemotron-3-Ultra-CC得535.4/600，高于361.12的金牌线；该成绩来自与人类选手相同的时间、联网和提交限制下的现场前瞻性测试，但属非官方、无监督的基准测试，未计入IOI官方排名。IMO 2026系统得30/42，高于29的官方金牌线，六题中四题满分；其提交的证明由IMO官方评分员评分。整个系统以自然语言工作，未使用形式化证明器、外部工具或互联网。上述成绩与限制均出自英伟达团队自述，尚待独立验证。

AI 根据报道生成 · 3 小时前更新