英伟达开放 Nemotron 专项化方案：IOI 与 IMO 金牌成绩，权重与配方同步放出
据英伟达 2026 年 10 月 7 日官方博客，团队以 Nemotron 3 为基座，通过 SFT、RL 和生成-验证-精修推理循环，在 IOI 2026 取得 535.4/600、IMO 2026 取得 30/42，报道均越过金牌线；相关检查点、数据集与评测流水线在 Hugging Face 与 NeMo-Skills 开放。
发生了什么
据英伟达团队 2026 年 10 月 7 日发布的官方博客，其以 Nemotron 3 为基座构建了两类专项化系统：竞赛编程方向的 Nemotron-3-Ultra-CC（总参数 5500 亿、激活 550 亿，经 SFT）配合 GenCorrect 迭代式生成-评估-精修策略，在实时、非官方、未计入官方排名的 IOI 2026 前瞻运行中取得 535.4/600，高于报道给出的 361.12 金牌线与人类最高分 498.27；与之配套的 Nemotron-3-Nano-CC（总参数 300 亿、激活 30 亿，经 SFT 与 RL）也用于对照实验，报道提到 Nano 从后训练前 130 分提升到 SFT 后 280 分、RL 后 291 分，加 GenCorrect 后达 468 分。数学方向则以 Nemotron 3 Ultra 的通用、SFT 与 RL 检查点组成生成-验证-精修系统，SFT 语料含 414,890 条样本、覆盖 15,818 道不重复证明题，RL 训练使用 9,597 道贴近能力边界的题目，系统完全以自然语言运作，不使用形式化证明器、外部工具或互联网，最终由官方 IMO 评卷人评分取得 30/42。博客同时称相关模型、两套训练数据集、Nemotron-IMO-Bench（200 道奥赛级题）以及 NeMo-Skills 中的推理流水线与提示词已经开放。
对开发者的影响
对开发者的直接含义是，这一结果把「基座加后训练加推理循环」的分工讲得更清楚：报道显示同一基座可以通过不同规模、不同后训练组合适配到代码与证明两类高难任务，而提升并非单靠微调或单靠采样。若后续类似配方被复制到企业场景，评估对象会从单模型输出转向整条流水线——候选生成、打分、批评、精修与最终选择环节共同决定成绩。需要区分权重开放与开源许可：博客称模型与数据在 Hugging Face 开放、并提供可复现流水线，但来源未说明具体许可证条款，因此可下载不等于可自由商用，采用前必须自行核对模型的许可证与数据使用条款。此外，IOI 成绩明确为非官方、无人监督的基准运行，与官方排名无关，IMO 则说明由官方评卷人评分，两类结果的可比性不同。资源层面，数据显示 Nano 用 SFT 与 RL、Ultra 仅用一个 SFT epoch 即可超过完整后训练的 Nano，这提示专项化的算力预算在规模间并不线性，微调成本与推理成本需要分开核算。
接入与评估建议
建议一（条件性分析，非报道事实）：针对需要严格输出格式或隐藏测试通过率的任务，可先验证「后训练检查点加反馈循环」是否优于纯提示词方案。选择依据在于来源中报告的 Nano 在后训练后大幅提升、加 GenCorrect 后再提升，说明收益来自微调与多轮精修的叠加；但如果你的任务无法自动构造可靠判分器，这一路线的前提不成立。评估标准可设为：在同一批自建隐藏测试上比较基座、单一后训练检查点、加入生成-评估-精修三轮后的通过率差值与单任务推理耗时倍数。建议二：在数学或长链推理场景中，考虑同时保留 SFT 与 RL 检查点并用互补采样，而不是在单检查点上增加采样次数。来源称 SFT 检查点在第一轮搜索中最强、RL 检查点单检查点总体最佳，最终系统并用二者；这要求你的流水线支持多模型路由与统一打分。评估标准可设为：固定总算力预算下，比较单检查点多次采样与双检查点互补采样在自建证明题集上的验证通过率和误判为完整的比例。建议三：若复用 NeMo-Skills 流水线，先确认其依赖与提示词是否与你的模型版本匹配，并准备好替换最终选择阶段的算力预算，因为来源提到该阶段单独消耗较多算力。评估标准可设为：在相同硬件上测量整条流水线端到端延迟与单题成本，确认在业务时限内可完成。
限制与待确认事项
来源博客发布于 2026 年 10 月 7 日，竞赛成绩由英伟达团队自行报告，IOI 部分明确为非官方、无人监督的运行，未计入官方排名，IMO 部分虽称由官方评卷人评分，但本文无法独立复核分数、题目版本或评卷细节。来源未披露 Nemotron 3 相关检查点的具体许可证条款，开放权重与开放许可不是同一件事，商用与再分发前需自行核对。Nemotron-3-Ultra-CC 等版本目前在 KimiSeek 实时目录中没有精确匹配条目，因此该版本当前未上架 KimiSeek，报道中提到的开放获取渠道指厂商自身的发布位置；若后续出现第三方 API 或托管服务，其价格与可用性应以对应供应商的定价页面为准，本文不引用任何具体价格数字。上述两项后训练与多轮精修路线依赖领域专属题目、高质量推理轨迹与可靠判分器，来源未说明在缺乏此类数据的通用企业场景中是否同样有效，训练与推理开销被描述为「不小」但未给出可复用成本数据。
原报道配图
