Nemotron微调后在IOI和IMO获金牌级成绩
原文：One Model Family, Two Gold-Level Results: Fine-Tuning Nemotron for IOI and IMO
一个模型家族，两枚金牌级成果：为 IOI 和 IMO 微调 Nemotron 我们最近的结果表明，Nemotron 是构建世界级专家模型的强大且适应性强的基座。从 Nemotron 3 出发，我们的团队使用监督微调（SFT）、强化学习（RL）和反馈驱动的推理，构建出在 IMO 2026 和 IOI 2026 上均达到金牌水平的系统。| 竞赛 | Nemotron 专业化 | 结果 | |---|---|---| | IOI 2026 | 采用 SFT 和 GenCorrect 的 Nemotron-3-Ultra-CC | 535.4/600，高于 361.12 的金牌阈值以及人类最高分 498.27 | | IMO 2026 | 在生成-验证-精炼系统中使用 Nemotron 3 Ultra 通用、SFT 和 RL 检查点 | 30/42，高于官方金牌阈值 29 | IOI 成绩来自一次实时、前瞻性运行，其时间、互联网访问和提交限制与人类参赛者相同。这是一项非官方、无监督的基准测试，未被纳入官方 IOI 排名。IMO 系统提交的证明由官方 IMO 评分员评分。可复用的专业化配方 “易于微调” 不应仅仅意味着让一个检查点可训练。它应当意味着，一个有能力的基础模型可以通过清晰、可复用的配方适配到高要求领域。在这两个项目中，该配方包含四个部分：- 从强大的 Nemotron 基础模型开始。- 整理领域特定问题和高品质推理轨迹。- 应用标准后训练方法，如 SFT，并在有用时应用 RL。- 将专家模型与一个生成、评估并改进候选答案的推理循环配对。训练和推理运行规模可观，但底层方法熟悉且可复现。我们不需要为每个挑战都构建新的基础模型。我们为任务专业化 Nemotron。从通用编程能力到 IOI 金牌 对于竞技编程，我们整理了 22,000 道题并生成合成推理轨迹，以训练两个专家