国际信息学奥林匹克竞赛（IOI）和国际数学奥林匹克竞赛（IMO）考察的是不同的能力。IOI 要求算法和代码在严格的时间和提交限制下通过隐藏测试。IMO 要求严谨的自然语言证明。在这两项竞赛中取得成功都很困难。同时在这两项竞赛中取得成功则指向了更广泛的东西。
我们最近的结果表明，Nemotron 是构建世界级专家模型的强大且适应性强的基座。从 Nemotron 3 开始，我们的团队使用监督微调（SFT）、强化学习（RL）和反馈驱动的推理，构建出在以下两项竞赛中均达到金牌水平的系统IMO 2026和IOI 2026。
| 竞赛 | Nemotron 专业化 | 结果 |
|---|---|---|
| IOI 2026 | 采用 SFT 和 GenCorrect 的 Nemotron-3-Ultra-CC | 535.4/600，高于 361.12 的金牌门槛以及人类最高分 498.27 |
| IMO 2026 | 在生成-验证-精炼系统中使用 Nemotron 3 Ultra 的通用、SFT 和 RL 检查点 | 30/42，高于官方金牌门槛 29 |
IOI 的成绩来自一次实时、前瞻性的运行，其时间、互联网访问和提交限制与人类参赛者相同。这是一项非官方、无监督的基准测试，未被纳入官方 IOI 排名。IMO 系统提交的证明由官方 IMO 评分员评分。
一套可复用的专业化配方
“易于微调”不应仅仅意味着让一个检查点可训练。它应该意味着一个有能力的基础模型可以通过一套清晰、可复用的配方适配到要求严苛的领域。
在这两个项目中，该配方包含四个部分：
- 从一个强大的 Nemotron 基础模型开始。
- 整理领域特定的问题和高质量的推理轨迹。
- 应用标准的后训练方法，如 SFT，并在有用时应用 RL。
- 将专家模型与一个生成、评估并改进候选答案的推理循环配对。
训练和推理的运行规模都很大，但底层方法熟悉且可复现。我们不需要为每一个挑战都构建一个新的基础模型。我们为任务对 Nemotron 进行了专业化。
从通用编程能力到 IOI 金牌
针对竞技编程，我们整理了 22,000 道题目，并生成合成推理轨迹来训练两个专家模型。Nemotron-3-Nano-CC 总参数量 300 亿、激活参数量 30 亿，接受了 SFT 和 RL。Nemotron-3-Ultra-CC 总参数量 5500 亿、激活参数量 550 亿，接受了 SFT。
在 IOI 2025 上的进展让专业化的价值一目了然。Nano 从后训练前的 130 分提升到 SFT 后的 280 分，再到 RL 后的 291 分。借助 GenCorrect——我们迭代式生成-评估-精炼策略——它达到了 468 分，越过了 438.3 的金牌线。Ultra-CC 在相同的测试时策略下达到了 502 分。
这些实验还表明，适配不必在每个规模上都呈现相同形态。SFT 贡献了 Nano 的大部分增益，RL 则带来了较小但持续的提升。对于更强的 Ultra 模型，一个 SFT 轮次就足以在 IOI、ICPC 和 LiveCodeBench Pro 上超越完全后训练的 Nano 模型。这一发现指导了用于 IOI 2026 的竞赛专用 Ultra-CC 系统，该系统在 600 分中获得了 535.4 分。
教会 Nemotron 证明、检查与修订
IMO 项目将同样的思路应用于奥数数学。从 Nemotron 3 Ultra 出发，我们用 SFT 训练了一个专家模型，用 RL 训练了另一个。
SFT 语料库包含 414,890 个经过质量过滤的样本，覆盖 15,818 道独特的证明题。它不只是教最终答案。数据涵盖证明生成、精炼、验证和元验证，因此模型学会了构建论证、识别漏洞、回应批评，以及判断证明是否完整。RL 模型则在 9,597 道接近模型能力前沿的证明题上训练。
在开发实验中，两个后训练检查点都优于通用可用模型。SFT 检查点在第一轮搜索中最强，而 RL 检查点取得了最佳的单检查点总体结果。它们的优势互补，因此最终系统将两个专家模型与通用模型一起使用。
对于每道 IMO 题目，模型会生成候选证明、对其打分、给出批评意见，并优化最有希望的尝试。一个独立的高算力阶段负责选出最终提交的答案。整个系统以自然语言运行，没有形式化证明器、外部工具或互联网访问。它得到了 42 分中的 30 分，其中六道题中有四道获得满分，并超过了官方金牌分数线。
微调与测试时计算协同工作
我们此前的IOI 2025 Hugging Face 帖子展示了测试时计算如何将开源权重模型推向金牌级表现。新结果补充了一个重要部分：更好的专业化让推理系统拥有更好的候选、更好的批评者和更好的优化。
在 IOI 中，GenCorrect 将微调带来的增益转化为多轮反馈中的更大提升。在 IMO 中，使用互补的 SFT 和 RL 检查点比简单地从单个检查点抽取更多样本更有价值。在两种情况下，最佳结果都来自将一个能力强的专家模型与一个能够搜索、验证和改进的系统相结合。
这一区别很重要。这些奖牌并非仅靠微调产生，也并非仅靠暴力采样产生。它们来自对模型、数据和推理循环的协同设计。
在 Hugging Face 上开放模型、数据和配方
我们希望这些结果在竞赛之外也有用。Nemotron Labs IMO 2026 合集汇集了 SFT 和 RL 检查点、两个训练数据集，以及 Nemotron-IMO-Bench——一个包含 200 道奥赛级题目的新基准测试。IMO 论文描述了训练方法和生成-验证-优化系统，而NeMo-Skills 仓库则包含 IMO 推理流水线、提示词、提交的证明，以及可复现的快速入门。对于竞技编程，Nemotron-3-Ultra-CC 模型已在 Hugging Face 上提供，而IOI 论文提供了训练配方和 GenCorrect 方法。IOI 评估和推理流水线也可在NeMo-Skills中获取。
IMO 和 IOI 共同为一个简单的理念提供了异常严苛的证据：Nemotron 可以被微调成世界级的领域专家，然后与透明的推理工作流组合，去解决处于人类竞赛前沿的问题。
我们很期待看到 Hugging Face 社区接下来会构建出什么。