NVIDIA为其Nemotron-3语言模型开发了后训练流水线，使其在国际信息学奥林匹克竞赛（IOI）中达到金牌级表现。该方法结合了大规模问题策展、合成推理轨迹、监督微调和强化学习。

  • Nemotron-3-Nano-CC (30B-A3B) 使用监督微调和强化学习进行训练，而Nemotron-3-Ultra-CC (550B-A55B) 仅使用监督微调。
  • GenCorrect策略在测试时迭代生成、评估并优化多样化的解决方案。
  • 在IOI 2025中，Nano-CC结合GenCorrect获得468分，超过金牌阈值438.3，而Ultra-CC达到502分。
  • 针对IOI 2026约束条件前瞻性评估的竞赛专用Ultra-CC系统获得535.4/600分，超越最高人类得分498.27。

这标志着在标准竞赛条件下，AI系统在IOI问题集上的得分首次超过最高分的人类参赛者。