研究者らは、大規模言語モデルが競技プログラミングで金メダル級の性能を発揮できるようにするポストトレーニングパイプラインを開発した。教師ありファインチューニング、強化学習、そして GenCorrect と呼ばれる新しいフィードバック駆動型戦略を組み合わせることで、このシステムは IOI 2026 の問題セットにおいてトップの人間出場者を上回る性能を示した。

  • Nemotron-3-Nano-CC (30B-A3B) は SFT と RL で訓練され、Nemotron-3-Ultra-CC (550B-A55B) は SFT のみを使用した。
  • GenCorrect 戦略は、性能を向上させるために解答を反復的に生成、評価、および精緻化する。
  • IOI 2025 では、Nano-CC が GenCorrect を用いて 468 点を獲得し、金メダル閾値の 438.3 を超えた。
  • IOI 2026 では、Ultra-CC が標準制約下で 600 点中 535.4 点を獲得し、トップ人間スコアの 498.27 を上回った。

これは、AI システムが IOI の問題セットにおいて最高得点を記録した人間出場者を上回るスコアを達成した初めての事例であり、推論およびコーディング能力における著しい進歩を示している。