大数跨境
首页
>
英伟达开源 IMO 金牌配方：不仅是「人海战术」，1.5TB 显存做实 AI「 推恩令」？
>

英伟达开源 IMO 金牌配方：不仅是「人海战术」，1.5TB 显存做实 AI「 推恩令」？

英伟达开源 IMO 金牌配方：不仅是「人海战术」，1.5TB 显存做实 AI「 推恩令」？ AI科技评论
2026-09-15
12
导读：用三套 checkpoint 完成多轮证明搜索，用过程透明平息学术怒火，用 1.5TB 显存门槛锁定算力霸权。名为代码平权，实则算力集权。
以三套 Checkpoint 完成多轮证明搜索，用过程透明化解学术质疑，以 1.5TB 显存门槛确立算力霸权。名为代码平权，实则算力集权。

    作者丨郑佳美

    编辑丨岑   峰

9 月 9 日，NVIDIA 公布了 Nemotron 3 Ultra 在 2026 年国际数学奥林匹克（IMO）中使用的整套数学推理系统。该系统最终获得 30/42 分，超越当届 29 分的金牌线。全程仅使用自然语言撰写证明，未调用 Lean 等形式化证明器，亦无外部工具或联网检索辅助。
此次发布的核心价值不仅在于成绩，更在于完整性。NVIDIA 开源了支撑该分数的两个数学专家 Checkpoint、SFT 与 RL 训练数据、推理代码、训练配方、比赛提交证明以及 200 道新的 Nemotron-IMO-Bench 测试题。
这意味着公开的是一套从训练到推理的完整系统链路，而非单一的更强模型。Nemotron 3 Ultra 作为基座，结合两个专家模型、大规模证明搜索、模型验证及多轮改写机制，共同构成了冲击 IMO 金牌线的技术闭环。
在此背景下，陶哲轩、Peter Scholze 等 25 位菲尔兹奖得主曾联合发声，批评 AI 数学成果发布过快而缺乏充分的复现与验证时间。NVIDIA 此次罕见地将 IMO 金牌级结果背后的模型、数据、流程及计算成本全部公开，为学术界提供了宝贵的透明度。
该系统的技术起点并非对单一模型反复采样，而是率先训练了两个行为差异显著的数学专家模型。

双专家 Checkpoint：差异化策略提升搜索效率

Nemotron 的核心设计在于让后训练直接服务于搜索过程。SFT 数据中不仅包含完整证明，还引入了大量证明修改、验证及再验证的轨迹。这使得模型不仅能生成证明，更能识别半成品或含错证明中的问题，并沿原有路径进行修复。
在搜索系统中，这种能力显著优化了计算资源利用。高难数学题往往存在大量“中间状态”候选，其主体结构可用，仅在局部引理或推导闭环上存在瑕疵。具备修改能力的模型可将已有证明作为中间状态继续推进，保留前序计算的有效结构，避免无效重启。
RL 专家则专注于调整证明路线的生成概率。IMO 级题目的正确解法在证明空间中极为稀疏。强化学习通过奖励成功闭合的证明思路、压低导致死胡同的选择，重新分配模型已有能力的出现频率，从而在有限算力下覆盖更多有效路径。
通用版、SFT 和 RL 三份 Checkpoint 形成了三种不同的解题偏好。这种差异性对于搜索至关重要：若同一模型连续生成数百份高度相关的证明，新增算力的信息增益将迅速递减。引入不同后训练的 Checkpoint，相当于主动改变采样分布，引导计算资源探索新的证明空间。
实验数据显示，单纯增加同一 RL 模型的采样收益放缓明显，而加入 SFT 专家后，即便生成预算相近，覆盖的问题数量也显著增加。因此，后训练不仅是提升单模型能力，更是通过 SFT 支持修改、RL 调整分布、多 Checkpoint 降低相关性，解决有限算力下的路径覆盖问题。

动态搜索池：384 次生成后的深度迭代

Nemotron 首轮为每道题生成 384 份证明，但这并非终点。系统将首批证明纳入持续更新的搜索池，经验证后分为三类：直接通过、需修补但方向可用、价值较低。系统保留高分证明，并将验证器指出的问题反馈给模型进行针对性修改。
这一机制改变了推理性质：传统多次采样是彼此独立的“从头再来”，而 Nemotron 的 Proof Pool 保留了历史计算记忆。验证器的批改意见充当了方向信号，指导模型在局部区域继续寻找优化方案，无需重新探索整个证明空间。
多轮改写并非简单润色，而是每轮产生新候选并进入全局竞争。高评价路线获得更多计算资源投入，无法解决关键漏洞的路线则逐渐被淘汰。这种机制兼顾了搜索宽度（首轮铺开）与深度（后续精修），实现了动态资源分配。
与自然语言证明缺乏明确规则不同，围棋等游戏有确定的输赢判定。在 Nemotron 中，Verifier 不仅打分，更直接决定计算资源的流向。其判断误差会直接影响搜索路径，搜索规模越大，Verifier 的影响力越显著。

验证瓶颈：共享错误与一致性挑战

为降低错误证明被放行的概率，NVIDIA 设定了极高门槛：需两个专家反复检查且全票通过方可接受。这一设计旨在以较高的误拒率换取极低的错误接受率，避免搜索停在错误答案上。
然而，实验显示提高门槛虽减少了错误通过，却也阻挡了大量正确证明。更深层的问题在于验证判断的非独立性：SFT、RL 和通用版共享同一基座模型，拥有相似的知识结构与推理习惯。当错误源于随机疏忽时，多次检查有效；但当错误源于共同的理解盲区时，增加检查次数效果甚微。
论文中关于置换对称性的错误证明即为典型案例：三个 Checkpoint 均未识别出关键漏洞。这表明模型间错误高度相关，内部共识的稳定并不等同于数学可信度的提升。
此外，部分有价值证明因门槛过于保守而被压下。未来的技术路线需致力于让不同验证组件拥有差异化的错误来源，例如引入基础模型交叉检查、反例生成器、符号系统及形式化证明器等，以降低多点同时失效的概率。

开源背后的“推恩令”：算力主权的垄断

NVIDIA 开源了全套系统变量，外部团队可调整 Checkpoint 组合、采样预算等参数复现实验。然而，550B 级模型、TB 级显存及数千 GPU 小时的硬件门槛，使得完整重跑 30 分的成绩对全球 99% 的高校实验室而言仍是一道硬墙。
这种“代码平权、算力集权”的现状，预演了未来 AI for Science 的竞争格局：巨头通过烧掉数百万美元电费，铲平了枯燥重复的逻辑可能性，而数学家角色正从“寻找证据者”转变为“审判逻辑者”。
NVIDIA 向学术界传递的信号清晰：算力可承担繁重的体力活，但关于真理的最终裁决仍需人类直觉。这份报告既是对基础研究的尊重，也是一种高明的战略——通过开源共享红利，让全球实验室无形中进入由英伟达硬件定义的搜索推理范式。
正如“推恩令”以利益共享消解对抗意志，当你手持图纸试图复现成功时，会发现唯一的路径便是购买更多的英伟达显卡。
参考链接：
https://arxiv.org/pdf/2609.10712
https://mathandai.org/
【声明】内容源于网络
0
0
AI科技评论
聚焦AI前沿研究，关注AI工程落地。
内容 8954
粉丝 0
AI科技评论 聚焦AI前沿研究，关注AI工程落地。
总阅读244.9k
粉丝0
内容9.0k