Hugging Faceによると、同社の基盤モデルNemotron‑3を特定分野向けに最適化した2つのモデルが、2026年の国際情報オリンピック（IOI）と国際数学オリンピック（IMO）で金メダル相当の得点を獲得した。IOI向けのNemotron‑3‑Ultra‑CCは600点満点中535.4点を獲得。金メダル基準の361.12点を大きく上回り、最高得点を記録した人間の498.27点も超えた。IMO向けのモデルは、Nemotron‑3‑Ultraを教師ありファインチューニング（SFT）と強化学習（RL）の両方で調整して構築され、42点満点中30点を獲得した。公式の金メダル基準である29点をわずかに上回る得点だ。
研究チームは何をしたのか
どちらのプロジェクトも、大規模なNemotron‑3のベースモデルを出発点とし、対象分野の問題を集めて、標準的な事後学習手法を適用した。IOI向けにはプログラミング課題22,000問を選定し、合成した推論過程のデータを追加。その後、SFTを行い、より小型のNanoモデルにはRLも適用した。また、回答を生成、評価、改善するGenCorrectという推論ループも利用した。IMO向けには、証明の生成、批評、検証を扱う、フィルタリング済みの証明例414,890件からなるコーパスを用意し、1つのチェックポイントにSFT、別のチェックポイントにRLを適用した。最終的なIMO向けシステムは、2つのチェックポイントを汎用モデルと組み合わせ、証明を生成・検証・改善するパイプラインを実行する。
研究成果はどこで入手できるのか
モデル、データセット、コードはすべてHugging Faceで公開されている。Nemotron‑3‑Ultra‑CCのチェックポイントはダウンロード可能で、IOIの論文ではGenCorrectの手法が説明されている。IMOプロジェクトでは、SFTとRLのチェックポイントに加え、オリンピック級の問題200問を収録したベンチマークNemotron‑IMO‑Benchや、推論パイプラインとプロンプトを含むNeMo‑Skillsのリポジトリも公開されている。著者らは、コミュニティが「4段階のレシピ」――強力なベースモデルを用意し、データを選定し、SFT/RLを適用したうえで、フィードバックを活用する推論ループと組み合わせる――を再利用することを期待している。
なぜ重要か
開発者にとって、今回の成果は、大規模モデルを再現可能なファインチューニング手順で専門モデルに仕立て、トップレベルの人間の競技者に匹敵する性能を実現できることを示している。趣味で開発する人や研究チームは、基盤モデルを一から訓練しなくても、高性能なコード生成ツールや証明作成ツールを構築できる。
