2026-10-07 — views
NemotronモデルがIOIおよびIMOで金メダル級パフォーマンスを達成
読む理由 これは、専門的なファインチューニングと反復推論ループを組み合わせることで、外部ツールなしでオープンウェイトモデルをエリート競技レベルまで引き上げられることを示しています。
NVIDIAはNemotronモデルを微調整し、国際情報オリンピック（IOI）と国際数学オリンピック（IMO）の両方で金メダルレベルの結果を達成しました。
Nemotronが二つの金メダル級結果を達成
NVIDIAの研究者は、Nemotronモデルファミリーが、国際情報オリンピック（IOI）と国際数学オリンピック（IMO）という2つの異なる高難易度競技で、金メダル級のパフォーマンスを達成できることを実証しました。2026年10月7日に公開されたこの結果は、教師ありファインチューニング（SFT）、強化学習（RL）、フィードバック駆動の推論を通じて世界クラスの専門モデルを構築するための基盤として、Nemotron 3の適応性を強調しています。
IOI 2026でのパフォーマンス
IOI 2026では、チームは総パラメータ数が5500億、アクティブパラメータ数が550億のNemotron-3-Ultra-CCモデルを使用しました。このモデルは教師ありファインチューニングを受け、GenCorrectという反復的な生成・評価・改善戦略と組み合わされました。システムは600点満点中535.4点を達成し、金メダル閾値の361.12点および人間最高得点の498.27点を上回りました。この結果は、人間の出場者と同じ時間制限、インターネットアクセス、提出制約の下で行われたライブの展望的な実行によるものでしたが、非公式なベンチマークとして位置づけられています。より小型のNemotron-3-Nano-CCモデルでの先行実験では、SFTとRLがスコアを大幅に改善し、GenCorrectがNanoモデルも金メダル閾値を超えさせることが示されました。
IMO 2026でのパフォーマンス
IMO 2026プロジェクトは、厳密な自然言語による証明に焦点を当てました。Nemotron 3 Ultraから始め、チームはSFTとRLを使用して専門モデルを訓練しました。SFTコーパスには、15,818件の一意の証明問題にわたる414,890件の品質フィルタリングされた例が含まれており、モデルに論証の構築、ギャップの特定、完全性の判断を教えました。RLのチェックポイントは、モデルの能力の限界に近い9,597件の証明問題で訓練されました。最終システムは、これらのチェックポイントを一般モデルと組み合わせ、候補となる証明の生成、スコアリング、批判、改善を行いました。形式化された証明支援ツールや外部ツールを使用せず、完全に自然言語で操作するこのシステムは、42点満点中30点を獲得し、公式の金メダル閾値である29点を上回り、6問中4問で満点を得ました。これらの証明は、公式のIMO採点者によって採点されました。
再利用可能な専門化レシピ
著者は、専門化のための4部構成のレシピを提示しています。強力なベースモデルで始め、ドメイン固有の問題と推論のトレースをキュレーションし、SFTやRLのような後処理手法を適用し、モデルを生成、評価、改善する推論ループと組み合わせます。このアプローチは、適応のためにすべての課題に対して新しい基盤モデルを構築する必要がないことを証明しています。代わりに、Nemotronは特定のタスクに対して専門化することができます。
実装ノート
開発者は、Hugging Face上のNemotron Labs IMO 2026コレクションおよびNeMo-Skillsリポジトリを探索し、訓練データセット、チェックポイント、再現可能な推論パイプラインにアクセスしてください。専門的なチェックポイントと類似の生成・検証・改善ループを実装することで、エンジニアは、厳密な推論を必要とする他の複雑なドメインでも、これらの高性能な結果を再現できる可能性があります。