AI图鉴

AI图鉴首页 › AI 资讯 › 一个模范家庭,两个黄金级的结果:国际奥运会和海事组织的微调 Nemotron

一个模范家庭,两个黄金级的结果:国际奥运会和海事组织的微调 Nemotron

来源:HuggingFace · 发布时间:10-07 · 由 AI图鉴每小时自动聚合

本条资讯的摘要暂未整理出来,可点击下方按钮查看原文;本站每小时自动补充中文摘要。

一个模范家庭,两个黄金级的结果:国际奥运会和海事组织的微调 Nemotron

我们最近的结果表明,尼莫特龙是建设世界级专家模型的坚实、适应性强的基础。 从Nemotron 3开始,我们的团队使用监督的微调(SFT),强化学习(RL),以及反馈驱动的推论,在海事组织2026年和IOI 2026年创建了达到金介级的系统。

IOI的结果来自同时期的现场直播,前景预测,互联网接入,以及作为人类参赛者的提交限制。 它是非官方的,无人监督的基准测试,没有被列入IOI的官方排名。 海事组织系统提交的证明由海事组织正式分级人员分级。

可重复使用的专业化方法

"方便到微调"应该比使检查站可以列车更有意义。 这应当意味着,一个有能力的基础模型可以适应一个要求很高的领域,有明确、可重复使用的办法。

在整个两个项目中,这种配方有四个部分:

- 从强大的尼莫特龙基地模型开始

- Curate域特有问题和高质量的推理痕迹。

- 应用标准的培训后方法,如SFT,并在有用的地方采用RL。

- 用一个推论循环对专家模型进行比对,从而生成、评价和改进候选人的答案。

培训和推论是实质性的,但基本做法是熟悉的,可以复制。 我们不需要为每一项挑战建立一个新的基础模式。 我们专攻尼莫特隆的任务

从一般编码能力到IOI黄金

对于竞争性编程,我们研究了22,000个问题,并产生了合成推理痕迹来培养两名专家。 内莫特龙-3-纳诺-CC总参数300亿,活性参数30亿,同时获得SFT和RL. 内莫特龙-3-Ultra-CC总参数5500亿,活性参数550亿,均获得SFT.

2025年IOI的进展使得专业化的价值易于看到。 纳诺从训练后130分提高到SFT后280分,RL后291分。 随着GenCorrect,我们的迭代生成-评价-refine策略,它达到了468分,并超越了438.3的黄金门槛。 超CC达到502分,采用相同的测试时间策略。

这些实验还表明,适应不必在每一个尺度上都看一样。 SFT产生了纳诺的大部分收益,RL增加了一个较小但一致的改进。 对于更强大的Ultra模型来说,一个SFT时代足以超越IOI,CPC,和LiveCode Bench Pro全程训练的Nano模型。 这一调查结果指导了用于IOI 2026的针对竞争的超CC系统,在600分中达到535.4分。

教尼莫特龙证明、检查和修改

海事组织项目在奥林匹亚数学方面采用了同样的想法。 从Nemotron 3 Ultra开始,我们训练了一名专家与SFT,另一名与RL。

SFT程序包括414,890个质量过滤的例子,涉及15,818个独特的证据问题。 它所做的不只是教最后的答案。 数据涵盖证明的生成、完善、核实和meta核查,因此该模型学会了构建论据、找出差距、回应批评和判断证明是否完整。 RL模型在模型能力前沿附近选取的9,597个证明问题接受了培训。

在开发试验中,经过培训后的两个检查站都超过了一般可用模式。 SFT检查站在第一轮搜查中最强,而RL检查站则取得了最佳的总体单一检查点结果。 他们的长处是相辅相成的,因此最后的系统除了一般模式外,还使用了两位专家。

对于海事组织的每一个问题,模型都产生候选证明,评分,提出批评,并改进最有希望的尝试。 一个单独的高计算阶段选定了最后划界案。 整个系统使用自然语言,没有正式的证明、外部工具或互联网。 它在42分中得分30分,包括对6个问题中的4个问题给予完全的肯定,并超过了官方的金庸门槛。

微调和测试时间计算工作

我们先前的IOI 2025 Hugging Face文章显示,测试时间计算可以如何将开放量级模型推向金级性能。 新的结果又增加了一个重要的作品:更好的专业化使推论系统有更好的候选人,更好的批评,更好的完善。

在IOI中,GenCorrect将微调的收益转化为比多个反馈回合更大的改进。 在海事组织,使用补充的SFT和RL检查站比从一个检查站抽取更多样本更有价值。 在这两种情况下,最好的结果都是将有能力的专家与能够搜索、核实和改进的系统结合起来。

这种区别很重要。 奖章并非仅由微调生产,也并非仅由畜力采样生产。 他们来自共同设计模型,数据,和推论循环。

Hugging Face上的开放模型、数据和食谱

我们希望这些结果在竞争之外有用。 海事组织的Nemotron Labs 2026年收集带来,同时收集SFT和RL检查站,两者都是培训数据集,Nemotron-IMO-Bench,一个新的基准测试,涉及200个奥林匹克级问题。 海事组织的文件描述了培训办法和生成-核实-修复系统,而NeMo-Skills储存库包括海事组织的推论管道、提示、提交的证据以及可复制的快速启动。 对于竞争性编程,可在Hugging Face上获得Nemotron-3-Ultra-CC模型,IOI文件提供了培训配方和GenCorrect方法。 NeMo-Skills也提供IOI评价和推论管道。

海事组织和IOI共同为一个简单的想法提供了异常苛刻的证据:Nemotron可以被微调成世界级域专家,然后由透明的推论工作流程组成,以解决人类竞争前沿的问题。

我们很高兴看到Hugging Face社区接下来会建设什么。

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

Bolt.new

StackBlitz 推出的全栈AI代码工具,可以看作 Artfacts、V0 和 Replit 的结合体

Clacky AI

AI编程工具,打造L3级的Coding Studio

CoverUpInk

CoverUpInk 是 AI 纹身遮盖概念设计工具,可根据旧纹身照片生成多个设计概念和白底线稿,帮助用户探

Duaer

Duaer 面向团队提供 AI 驱动的表格合并、固定格式报表和月度损益表整理,支持按需或定时运行,结果仍需人

相关免费羊毛

Api.Airforce

永久免费档,100+ 模型一把钥匙

Kilo Code

12 个免费模型,面向编程 Agent

ModelScope

魔搭:50+ 免费开源模型

OpenCode Zen

免费通用与编程模型网关

同源资讯

Agent 称已经完成。 数据库已不同意。

HuggingFace · 10-04

阅读原文(huggingface.co)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 合作与友链 · 关于本站 · 528 款 AI 工具分类导航 · 每日 AI 热门项目与动态