后训练让语言模型在编程竞赛中达到金牌水平
一项研究提出了一套端到端流程，用于将大型语言模型专门训练成竞赛编程系统。该方法结合了精选题目、合成推理轨迹、监督微调和强化学习。使用22,000道题目训练的Nemotron-3-Nano-CC，在加入测试时生成、评估和改进解答的策略后，于IOI 2025获得468分，超过金牌门槛。更大的Ultra-CC模型获得502分。随后，一个针对竞赛专门调整的系统在IOI 2026的前瞻性评估中取得600分中的535.4分，在相近限制条件下超过最高分的人类参赛者。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。