Nemotron 3：在 IOI 和 IMO 2026 中達到金牌級表現

NVIDIA 通過專注於 Nemotron 3 模型家族，實現了在 2026 年國際信息學奧林匹克競賽（IOI）和 2026 年國際數學奧林匹克競賽（IMO）中的金牌級表現。這一成功表明，通過監督微調（SFT）、強化學習（RL）以及迭代推理循環的結合，一個強大的基礎模型可以被轉化為高性能的領域專家。

IOI 和 IMO 2026 的表現結果

基於 Nemotron 的系統在兩項比賽中均取得了超過官方金牌門檻的分數：

競賽	Nemotron 專業化模型	成績
IOI 2026	Nemotron-3-Ultra-CC（SFT + GenCorrect）	535.4/600（金牌門檻：361.12；人類最高分：498.27）
IMO 2026	Nemotron 3 Ultra（通用、SFT 和 RL 檢查點，用於生成-驗證-優化系統）	30/42（金牌門檻：29）

對於 IOI 2026，結果來自一次符合人類參賽者限制（時間、互聯網訪問和提交次數限制）的實時前瞻性運行，儘管這是一次非官方、無監督的基準測試。對於 IMO 2026，證明由官方 IMO 評分員評定。

專業化配方

NVIDIA 使用四步可重複的配方，將 Nemotron 基礎模型轉化為高要求領域專家：

基礎：從一個強大的 Nemotron 基礎模型開始。
數據篩選：篩選特定領域的問題和高品質的推理路徑。
後訓練：應用標準方法如 SFT，並在有幫助時使用 RL。
推理循環：將專家模型與一個生成、評估和改進候選答案的推理循環配對。

競技編程：IOI 專業化

為了在競技編程中達到金牌級表現，NVIDIA 篩選了 22,000 個問題，並生成了合成推理路徑。開發了兩個專家模型：

Nemotron-3-Nano-CC：總參數量為 300 億（激活參數 30 億），接受了 SFT 和 RL。在 IOI 2025 的實驗中，其得分從基礎模型的 130 分提升至 RL 後的 291 分，最終通過 GenCorrect 迴圈策略達到 468 分。
Nemotron-3-Ultra-CC：總參數量為 5500 億（激活參數 550 億），僅接受 SFT。僅需一個 SFT 輪次，便在 IOI、ICPC 和 LiveCodeBench Pro 上超越完全後訓練的 Nano 模型。該模型在 IOI 2026 中取得 535.4/600 的成績。

研究結果表明，不同規模的模型適應需求不同；對於 Nano 模型，SFT 提供了主要提升，而更大的 Ultra 模型則需要更少的後訓練即可達成卓越表現。

奧林匹克數學：IMO 專業化

從 Nemotron 3 Ultra 出發，NVIDIA 使用包含 414,890 個經過質量過濾的示例（覆蓋 15,818 個獨特證明問題）的精選 SFT 語料庫，訓練了兩個專家模型。訓練重點放在證明生成、優化、驗證和元驗證上，以教導模型識別漏洞並判斷證明的完整性。

進一步在模型能力邊界上的 9,597 個證明問題上訓練了一個 RL 模型。最終的 IMO 系統將通用模型、SFT 專家模型和 RL 專家模型整合到一個生成-驗證-優化系統中。該系統完全以自然語言運作，不依賴外部工具、形式化證明器或互聯網訪問，取得了 30/42 的分數。

微調與測試時計算之間的協同效應

金牌級成果並非單靠微調或暴力採樣實現，而是通過模型、數據和推理循環的共同設計實現。更好的專業化為推理系統提供了更高品質的候選答案、更有效的評論者和更佳的優化。

IOI：GenCorrect 通過多輪反饋放大了微調的收益。
IMO：使用互補的 SFT 和 RL 檢查點比單一檢查點增加採樣數量更具價值。

開放資源

NVIDIA 已在 Hugging Face 和 GitHub 上釋出多項資源，以支持社區：

IMO 2026 數據集：包含 SFT 和 RL 檢查點、訓練數據集，以及 Nemotron-IMO-Bench（200 個奧林匹克級問題）。
NeMo-Skills 倉庫：包含 IMO 推理流程、提示詞和提交的證明。
競技編碼：Nemotron-3-Ultra-CC 模型可在 Hugging Face 上獲取，IOI 論文提供了 GenCorrect 方法論和訓練配方。