后训练 Nemotron-3 模型在 IOI 编程竞赛中达到金牌水平
Post-Training Language Models for Gold-Medal Performance in Coding Competitions
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
论文提出一套端到端后训练流水线，结合 22,000 道题的数据筛选、合成推理轨迹、SFT 与 RL，训练出 Nemotron-3-Nano-CC（30B-A3B）和 Nemotron-3-Ultra-CC（550B-A55B）。
来源：Hugging Face Daily Papers · arxiv.org