Nemotron-3-Nano-CC在IOI编程竞赛中超越人类金牌成绩

竞技编程已成为衡量大型语言模型推理能力的关键测试，国际信息学奥林匹克竞赛（IOI）和国际大学生程序设计竞赛（ICPC）代表了最具挑战性的场景。我们提出了一套端到端的专项优化流程，结合大规模问题筛选、合成推理轨迹、监督微调（SFT）和强化学习（RL）。利用 22,000 道精选题目，我们通过 SFT 和 RL 训练了 Nemotron-3-Nano-CC（30B-A3B），仅通过 SFT 训练了 Nemotron-3-Ultra-CC（550B-A55B）。此外，我们还引入了 GenCorrect，这是一种基于反馈的测试时计算策略，可迭代地生成、评估并优化多种解决方案。在 IOI 2025 中，Nano-CC 在训练后得分从 130 分提升至 291 分，在使用 GenCorrect 后达到 468 分，超过了 438.3 的金奖线；而 Ultra-CC 达到了 502 分。受这些结果启发，我们开发了一个针对竞赛的 Ultra-CC 系统，并在 IOI 2026 期间进行了前瞻性评估。在与人类选手相同的时间限制、互联网访问权限和提交次数限制下，该系统获得了 535.4/600 的高分，不仅超过了 361.12 的金奖线，也超越了最高的人类选手得分 498.27。据我们所知，这是首个在 IOI 试题集上得分超过最高分人类选手的 AI 系统。