NVIDIA 用 Nemotron 3 微调出 IOI 与 IMO 双金牌级系统，公开模型、数据集与推理流程
来源Hugging Face Blog查看原文
速览
- 同一 Nemotron 3 基础模型经微调后，在 IOI 与 IMO 两个不同能力域均达金牌水平
- IOI 得分 535.4/600，远超 361.12 金牌线与 498.27 人类最高分
- IMO 得分 30/42，超过 29 的金牌线，六题中四题满分
- 成绩来自模型、数据与推理循环的协同设计，而非单纯微调或暴力采样
- IOI 用 GenCorrect 迭代生成-评估-改进，把微调收益放大
- IMO 用 SFT 与 RL 互补检查点，优于单检查点多次采样
- Nano 的增益主要来自 SFT，RL 带来较小但稳定的提升
- Ultra 仅一个 SFT epoch 即超过完全后训练的 Nano
- NVIDIA 开源检查点、数据集、基准与推理流程，强调可复现
NVIDIA 在 Hugging Face 博客中公布，其团队以 Nemotron 3 为基础模型，通过监督微调（SFT）、强化学习（RL）与反馈驱动的推理流程，分别打造出在 IOI 2026 与 IMO 2026 达到金牌水平的专用系统。IOI 方向使用 Nemotron-3-Ultra-CC 配合 SFT 与 GenCorrect，得分 535.4/600，高于 361.12 的金牌线，也高于人类最高分 498.27；该测试是在与人类选手相同的时间、联网与提交限制下进行的实时前瞻性运行，但属于非官方、无监督的基准，未计入 IOI 官方排名。IMO 方向使用 Nemotron 3 Ultra 的通用、SFT 与 RL 检查点组成 generate-verify-refine 系统，得分 30/42，超过官方金牌线 29，提交的证明由官方 IMO 评分员批改。NVIDIA 同时开源了 IMO 的 SFT 与 RL 检查点、两份训练数据集、200 道奥赛级题目的 Nemotron-IMO-Bench 基准，以及 IOI 的 Nemotron-3-Ultra-CC 模型、论文与 NeMo-Skills 推理流程。
关键事实
- IOI 2026 方向：Nemotron-3-Ultra-CC 结合 SFT 与 GenCorrect 得分 535.4/600，金牌线为 361.12，人类最高分为 498.27
- IOI 测试为实时前瞻性运行，时间、联网与提交限制与人类选手一致，但属非官方无监督基准，未计入官方排名
- IMO 2026 方向：Nemotron 3 Ultra 的通用、SFT 与 RL 检查点组成 generate-verify-refine 系统，得分 30/42，官方金牌线为 29，六题中四题满分
- IMO 系统提交的证明由官方 IMO 评分员批改，全程使用自然语言，无形式化证明器、外部工具或联网
- IOI 训练使用 22,000 道题与合成推理轨迹，训练出 Nemotron-3-Nano-CC（300 亿总参数、30 亿激活参数，SFT+RL）与 Nemotron-3-Ultra-CC（5500 亿总参数、550 亿激活参数，仅 SFT）
- IOI 2025 上 Nano 从后训练前 130 分提升至 SFT 后 280 分、RL 后 291 分，加 GenCorrect 后达 468 分，越过 438.3 的金牌线；Ultra-CC 用同样测试时策略达 502 分
本站视角
对中文开发者与做 Agent、代码生成、数学推理的团队来说，这件事的实质价值不在两块「金牌」，而在 NVIDIA 把配方、检查点、数据集和推理管线一起放了出来。具体影响几类人：一是做竞赛级代码与数学推理的团队，可以直接用 Nemotron-3-Ultra-CC 和 NeMo-Skills 的 GenCorrect 流程做基线，省掉从零搭评测与迭代框架的成本；二是用 API 做推理服务的中小企业，Nemotron-3-Nano-CC 的 30 亿激活参数、Ultra-CC 的 550 亿激活参数给出了不同成本档位的选择，尤其是「Ultra 一个 SFT epoch 就超过完全后训练的 Nano」这一条，说明在强基座上加少量领域数据可能比在小模型上堆后训练更划算；三是研究推理时计算的团队，IMO 用 SFT 与 RL 互补检查点优于单检查点多次采样，是一个可直接复用的工程结论。我们的判断是：这是实质进步而非纯营销，因为开源了数据、检查点与可复现流程，且 IMO 证明由官方评分员批改，可信度高于自评。但需要指出两点可疑之处：IOI 成绩是 NVIDIA 自己组织的非官方、无监督基准，虽声称与人类选手同条件，仍缺乏第三方复核，535.4 与人类最高分 498.27 的对比不宜直接当作「超越人类」的结论；IMO 的 30/42 是在特定题目集与高算力选优流程下取得，未披露推理成本，实际部署的经济性存疑。对国内团队而言，值得跟进的是那套「专用化四步配方」和 GenCorrect 的迭代机制，而不是分数本身。
背景与影响
IOI 考察算法与代码在严格时间与提交限制下通过隐藏测试的能力，IMO 要求严谨的自然语言证明，两者技能差异明显，同时取得金牌级成绩说明基础模型具备跨域可适配性。NVIDIA 此前在 IOI 2025 的 Hugging Face 文章中已展示测试时计算可把开放权重模型推到金牌水平，本次结果补充了「更好的专用化」这一环：微调让推理系统拥有更好的候选、批评与改进能力。从公开信息看，NVIDIA 把可复用的专用化配方归纳为四步——强基础模型、领域问题与高质量推理轨迹、标准后训练方法（SFT，必要时 RL）、以及生成-评估-改进的推理循环，并强调无需为每个挑战重建基础模型。这意味着对做数学与代码推理的团队而言，可复现的配方与开源资产可能比单次成绩更有价值；同时需要观察的是，IOI 成绩为非官方无监督基准，IMO 虽由官方评分员批改但仍是特定题目集下的结果，其泛化性与成本效率尚待第三方验证。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。
