HuggingFace Daily Papers（社区热门论文）·· 2026-09-02AI 评分72
Nemotron-3 系列后训练模型在 IOI 编程竞赛中超过人类最高分
Post-Training Language Models for Gold-Medal Performance in Coding Competitions
AI 导读
论文提出端到端后训练管线，用 22,000 道精选题目、合成推理轨迹、SFT 和 RL 训练 Nemotron-3-Nano-CC（30B-A3B），并以 SFT 训练 Nemotron-3-Ultra-CC（550B-A55B），同时引入迭代生成、评估和改进解法的 GenCorrect 测试时计算策略。
整理与数据来源：AIHOT
来源：HuggingFace Daily Papers（社区热门论文） · arxiv.org