Hugging Face表示，其Nemotron‑3基础模型的两个专用版本在2026年国际信息学奥林匹克（IOI）和2026年国际数学奥林匹克（IMO）中获得了金牌成绩。名为Nemotron‑3‑Ultra‑CC的IOI系统得分535.4/600，远超361.12分的金牌线，也高于人类选手498.27分的最高成绩。IMO系统基于Nemotron‑3‑Ultra构建，采用了监督微调（SFT）和强化学习（RL），得分30/42，略高于29分的官方金牌线。
研究人员做了什么？
两个项目都以大型Nemotron‑3基础模型为起点，收集特定领域的问题，并采用常见的后训练方法。针对IOI，研究人员整理了22,000道编程题，并加入合成推理过程，随后进行SFT；对于较小的Nano模型，还采用了RL。他们还使用了名为GenCorrect的推理循环，用于生成、评估和改进答案。针对IMO，研究人员整理了包含414,890个经过筛选的证明示例的数据集，涵盖证明生成、评议和验证，然后分别用SFT和RL微调两个检查点。最终的IMO系统将这两个检查点与通用模型结合，通过“生成—验证—改进”流程生成并完善证明。
其他人在哪里可以找到相关成果？
所有模型、数据集和代码均已在Hugging Face上发布。Nemotron‑3‑Ultra‑CC检查点可供下载，IOI论文则介绍了GenCorrect方法。IMO项目包含SFT和RL检查点、由200道奥林匹克竞赛级别题目组成的Nemotron‑IMO‑Bench基准，以及提供推理流程和提示词的NeMo‑Skills代码库。作者希望社区能够复用这套“四步方案”——从强大的基础模型出发、整理数据、应用SFT/RL，并配合由反馈驱动的推理循环。
为什么重要
对开发者而言，这些结果表明，通过一套可复现的微调方案，可以将单个大型模型改造成专用模型，使其达到顶尖人类选手的水平。这意味着爱好者和研究团队无需从头训练新的基础模型，也能打造高性能的代码生成或证明撰写工具。
