NVIDIA ha desarrollado una canalización de postentrenamiento para sus modelos de lenguaje Nemotron-3, permitiendo que alcancen un rendimiento de nivel de medalla de oro en la Olimpiada Internacional de Informática (IOI). El enfoque combina la curación a gran escala de problemas, trazos de razonamiento sintéticos, ajuste fino supervisado y aprendizaje por refuerzo.

  • Nemotron-3-Nano-CC (30B-A3B) fue entrenado con ajuste fino supervisado y aprendizaje por refuerzo, mientras que Nemotron-3-Ultra-CC (550B-A55B) utilizó únicamente ajuste fino supervisado.
  • La estrategia GenCorrect genera, evalúa y refina iterativamente soluciones diversas durante el tiempo de prueba.
  • En IOI 2025, Nano-CC obtuvo 468 puntos con GenCorrect, superando el umbral de oro de 438.3, mientras que Ultra-CC alcanzó 502.
  • Un sistema Ultra-CC específico para la competencia evaluado prospectivamente bajo las restricciones de IOI 2026 obtuvo 535.4 de 600, superando la puntuación humana más alta de 498.27.

Esto marca la primera vez que un sistema de IA supera en puntuación al concursante humano con mayor puntaje en un conjunto de problemas de la IOI bajo condiciones estándar de competencia.