英伟达 Nemotron 在 IOI 与 IMO 双双达到金牌水平，并开源训练配方

英伟达 10 月 7 日在 Hugging Face 发布技术博文，披露其 Nemotron 3 系列在 2026 年两大学术奥赛——国际信息学奥林匹克（IOI）与国际数学奥林匹克（IMO）——中均达到金牌水平，并一并开源了背后的模型、训练数据与推理管线，让外界可复现而非仅有结论。

在编程侧，IOI 2026 专项模型 Nemotron-3-Ultra-CC 拿到 535.4/600 分，高于官方金牌线 361.12，也高于本届最高人类选手的 498.27。它用监督微调（SFT）配合英伟达自研的 GenCorrect 生成—评估—精炼循环：先生成候选解，再打分、批判并迭代最优解。英伟达特别说明，这是一次真实条件下的前瞻性跑分，但属非正式、无监督基准，未计入官方 IOI 排名，对比最高人类分时应带此语境。

数学侧，IMO 2026 系统以通用 Nemotron 3 Ultra 为基础，组合 SFT 与强化学习两个互补的专家：SFT 语料含 41.5 万条经质量过滤的证明样例，RL 在模型能力前沿附近的 9597 道证明题上训练。最终系统得 30/42 分，越过金牌线 29，六题中四题满分；全程纯自然语言，无形式化证明器、无外部工具、无联网。

更具价值的是开放。英伟达放出了竞赛编程模型、IMO 检查点与数据集、200 题的 Nemotron-IMO-Bench 新基准，以及 NeMo-Skills 推理管线与提示词，学生和中小实验室无需重建前沿实验室也能研究、改进这套方法。其训练数据规模本身也说明问题：约 2.2 万道竞赛编程题配合成推理轨迹，数学侧则筛出 41.5 万条证明样例。

这枚双金牌指向一个更通用的结论：顶尖表现来自模型、数据与推理循环的协同设计，而非单纯放大参数。把强基础模型做领域特化、配可复现的测试时搜索，正在成为前沿实验室之外也能借鉴的模板——当开放权重把方法也交出来，奥赛级推理不再只是大厂的黑箱演示。