IMOゴールドのオープンレシピ: オリンピック数学のためにNemotronをトレーニングする

「IMO Goldへのオープンレシピ」は、オリンピック数学のためのモデル後処理と推論設計を研究。Nemotron 3 Ultraをベースに、教師ありファインチューニングと強化学習で専門チェックポイントを訓練。検証と洗練を伴うテスト時計算パイプラインを提案。 formal proverや外部ツール、インターネットなしで自然言語のみで動作する。

• オリンピック数学（IMO）レベルの問題に対する自然言語での証明生成に焦点を当て、Nemotronモデルのファインチューニングと推論設計を研究した。
• Nemotron 3 Ultraをベースに、教師ありファインチューニングと強化学習で2つの専門チェックポイントを訓練した。
• 検証、洗練、候補証明の生成・検証・洗練を繰り返す、自然言語のみで動作するテスト時計算パイプラインを構築した。
• IMO 2026で30/42点を獲得し、金メダル基準に到達した。関連データセットやコード、チェックポイントも公開する。