Модели Nemotron-3 от NVIDIA достигают золотого уровня в олимпиадах по программированию IOI

NVIDIA разработала конвейер постобучения для своих языковых моделей Nemotron-3, позволяющий им демонстрировать результаты уровня золотой медали на Международной олимпиаде по информатике (IOI). Подход сочетает масштабный отбор задач, синтетические цепочки рассуждений, контролируемое дообучение и обучение с подкреплением.

• Nemotron-3-Nano-CC (30B-A3B) обучалась с использованием контролируемого дообучения и обучения с подкреплением, тогда как Nemotron-3-Ultra-CC (550B-A55B) использовала только контролируемое дообучение.
• Стратегия GenCorrect итеративно генерирует, оценивает и уточняет разнообразные решения во время тестирования.
• На IOI 2025 Nano-CC набрала 468 баллов с использованием GenCorrect, превысив золотой порог в 438.3, тогда как Ultra-CC достигла 502.
• Специальная для соревнований система Ultra-CC, оцененная прогностически на ограничениях IOI 2026, набрала 535.4 из 600, превзойдя лучший результат человека в 498.27.

Это первый случай, когда ИИ-система превзошла лучшего человеческого участника по количеству баллов за набор задач IOI в условиях стандартного соревнования.