IMO 金牌的开放配方：为奥林匹克数学训练 Nemotron

arXiv:2609.10712v1 公告类型：新 摘要：我们研究模型训练后和测试时推理设计如何影响奥数自然语言证明生成。从 Nemotron 3 Ultra 开始，我们使用监督微调和强化学习来训练两个专业检查点，并评估检查点的选择、验证和细化。基于这些发现，我们提出了一个开放模型测试时间计算管道。该系统完全以自然语言运行，没有正式的证明、外部工具或互联网接入。三个 Nemotron 3 Ultra 检查点（通用模型和两个经过培训的专家）支持迭代搜索，生成、验证和完善候选证明；然后，一个单独的高计算阶段会选择每个最终提交。该系统在 IMO 2026 比赛中获得 30 分（满分 42 分），达到金牌门槛。我们发布了两个训练后检查点以及训练数据、训练和推理代码、提交的解决方案以及 Nemotron-IMO-Bench（200 个新颖的奥林匹克级问题的新基准）。