論文の概要: An Open Recipe for IMO Gold: Training Nemotron for Olympiad Mathematics
- arxiv url: http://arxiv.org/abs/2609.10712v1
- Date: Wed, 09 Sep 2026 18:08:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.104302
- Title: An Open Recipe for IMO Gold: Training Nemotron for Olympiad Mathematics
- Title（参考訳）: IMOゴールドのオープンレシピ:オリンピック数学のためのネモトロンのトレーニング
- Abstract要約: 本研究では, 学習後のモデルとテスト時の推論設計が, ハードオリンピック数学の自然言語証明生成にどのように影響するかを考察する。
3つのネモトロン3 ウルトラチェックポイントは、候補証明を生成し、検証し、洗練する反復探索の動力となる。
我々は,訓練後のチェックポイントとトレーニングデータ,トレーニングと推論コード,提案したソリューション,および200の新しいオリンピックレベル問題のベンチマークであるNemotron-IMO-Benchをリリースする。
- 参考スコア（独自算出の注目度）: 9.025171351474539
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study how model post-training and test-time inference design affect natural-language proof generation for hard olympiad mathematics. Starting from Nemotron 3 Ultra, we train two specialist checkpoints using supervised fine-tuning and reinforcement learning, and evaluate checkpoint choice, verification, and refinement. Based on these findings, we present an open-model test-time-compute pipeline. The system operates entirely in natural language, with no formal prover, external tools, or internet access. Three Nemotron 3 Ultra checkpoints - the general-availability model and two post-trained specialists - power an iterative search that generates, verifies, and refines candidate proofs; a separate high-compute stage then selects each final submission. The system scored 30 out of 42 points at IMO 2026, reaching the gold-medal threshold. We release the two post-trained checkpoints as well as the training data, the training and inference code, the submitted solutions, and Nemotron-IMO-Bench, a new benchmark of 200 novel olympiad-level problems.
- Abstract（参考訳）: 本研究では, 学習後のモデルとテスト時の推論設計が, ハードオリンピック数学の自然言語証明生成にどのように影響するかを考察する。
Nemotron 3 Ultraから、教師付き微調整と強化学習を用いて2つの専門チェックポイントを訓練し、チェックポイントの選択、検証、改善を評価する。
これらの結果に基づき,オープンモデルテスト時間計算パイプラインを提案する。
システムは完全に自然言語で動作しており、公式な証明や外部ツール、インターネットアクセスはない。
3つのネモトロン3 ウルトラチェックポイント - 汎用モデルと2つのポストトレーニングされたスペシャリスト - は、候補証明を生成し、検証し、洗練する反復探索をパワーする。
IMO 2026では42点中30点を獲得し、金メダルを獲得した。
我々は,訓練後のチェックポイントとトレーニングデータ,トレーニングと推論コード,提案したソリューション,および200の新しいオリンピックレベル問題のベンチマークであるNemotron-IMO-Benchをリリースする。
関連論文リスト
- Post-Training Language Models for Gold-Medal Performance in Coding Competitions [70.8192632995446]
本稿では,大規模問題キュレーション,合成推論トレース,教師付き微調整,強化学習を組み合わせたエンドツーエンドの特殊化パイプラインを提案する。
SFTとRLでNemotron-3-Nano-CCを,SFT単独でNemotron-3-Ultra-CC(550B-A55B)を訓練した。
IOI 2025では、Nano-CCはポストトレーニング後の130点から291点に改善され、GenCorrectでは468点に改善され、Ultra-CCは502点に達した。
論文 参考訳（メタデータ） (2026-09-02T17:33:37Z) - OraclePhys: A Systematic Framework for LLM Fine-Tuning on Structural Mechanics [30.23918589040863]
OraclePhysは3つのコンポーネントからなる体系的な微調整フレームワークである。
OraclePhys-Benchは、完全にグレードされた構造力学ベンチマークである。
OraclePhys-30Kは、バイト単位の構造記述に対する7つの回答フォームのデータセットである。
論文 参考訳（メタデータ） (2026-08-17T21:56:21Z) - CoTu at EXACT 2026: Neuro-Symbolic Reasoning for Transparent Educational QA [0.0]
EXACT 2026はこの問題を具体化している。
それは、大学規則に対する論理的推論と、多段階の物理学的問題解決の2つのタスクを組み合わせている。
チームコツが両方の問題に対処するために開発したシステムについて述べる。
論文 参考訳（メタデータ） (2026-07-16T09:01:02Z) - Achieving Gold-Medal-Level Olympiad Reasoning via Simple and Unified Scaling [108.48818215929494]
訓練後,背骨を厳密なオリンピックレベル解法に変換するためのシンプルで統一的なレシピを紹介した。
約340Kのサブ8K軌道上でSFTで30B-A3Bのバックボーンをトレーニングし,200RLステップを行った。
結果として得られるモデル SU-01 は、100Kトークンを超える軌道上の難しい問題に対する安定な推論をサポートする。
論文 参考訳（メタデータ） (2026-05-13T10:13:26Z) - QED-Nano: Teaching a Tiny Model to Prove Hard Theorems [34.119608370222245]
我々は,オリンピアードレベルの証明のための4BモデルであるQED-Nanoを構築した。
QED-NanoとQED-Nano-SFTモデル、FineProofs-SFTとFineProofs-RLデータセット、トレーニングおよび評価コードを含む、完全なQED-Nanoパイプラインをリリースする。
論文 参考訳（メタデータ） (2026-04-06T17:44:25Z) - RIMO: An Easy-to-Evaluate, Hard-to-Solve Olympiad Benchmark for Advanced Mathematical Reasoning [26.173204350710833]
RIMOは、評価ノイズを排除しつつ、オリンピアードのピークの難しさを抑えるために設計された2トラックのベンチマークである。
最初のトラックであるRIMO-Nは、335の問題を書き換えて1つの独特な整数応答を許容し、決定論的正当性チェックを可能にする。
第2のトラックであるRIMO-Pは、エキスパートチェックされたソリューションに関する456の証明問題を特徴とし、ステップバイステップの推論プロセスを評価するためにサブプロブレムのシーケンスに分解される。
論文 参考訳（メタデータ） (2025-09-09T13:13:51Z) - SLRTP2025 Sign Language Production Challenge: Methodology, Results, and Future Work [87.9341538630949]
第1回手話生産チャレンジはCVPR 2025で第3回SLRTPワークショップの一環として開催された。
コンペティションの目的は、音声言語文からスケルトンポーズのシーケンスに変換するアーキテクチャを評価することである。
本稿では,挑戦設計と入賞方法について述べる。
論文 参考訳（メタデータ） (2025-08-09T11:57:33Z) - Self-Questioning Language Models [58.73276539661649]
本稿では,提案者がトピックを与えられ,解答者に対する質問を生成する非対称なセルフプレイフレームワークを提案する。
提案者と解答者はともに強化学習を通じて訓練される。
3桁の乗算、OMEGAベンチマークの代数問題、Codeforcesのプログラミング問題である。
論文 参考訳（メタデータ） (2025-08-05T17:51:33Z) - Two-Stream Consensus Network: Submission to HACS Challenge 2021
Weakly-Supervised Learning Track [78.64815984927425]
弱い監督による時間的行動ローカライゼーションの目標は、ビデオの興味ある動作を時間的に特定し、分類することである。
この課題では,2ストリームコンセンサスネットワーク(TSCN)を主要なフレームワークとして採用しています。
この課題では,本手法が今後の学術研究のベースラインとなることを期待して,第2位にランクインした。
論文 参考訳（メタデータ） (2021-06-21T03:36:36Z) - LID 2020: The Learning from Imperfect Data Challenge Results [242.86700551532272]
Imperfect Dataワークショップからの学習は、新しいアプローチの開発に刺激を与え、促進することを目的としている。
我々は、弱教師付き学習環境における最先端のアプローチを見つけるために、3つの課題を編成する。
この技術的レポートは、課題のハイライトを要約している。
論文 参考訳（メタデータ） (2020-10-17T13:06:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。