国际信息学奥赛（IOI）和国际数学奥赛（IMO）考察的能力截然不同：前者要求算法代码在严格时间与提交限制下通过隐藏测试；后者要求严谨的自然语言证明。单一领域登顶已很难，同时达到金牌水平说明模型具备更强的可塑性。新结果表明，以Nemotron为基础模型，用监督微调（SFT）、强化学习（RL）和反馈驱动推理，分别拿下了IMO 2026和IOI 2026的金牌级成绩。

具体成绩上，IOI 2026中，Nemotron-3-Ultra-CC 使用SFT加GenCorrect拿到 535.4/600，远超金牌线361.12，也高于人类最高分498.27。IMO 2026中，由通用模型、SFT和RL检查点组成的生成-验证-细化系统获得 30/42，超过官方金牌线29分。IOI成绩来自一次实时前瞻性运行，与人类选手相同的时限、网络和提交限制，但属于非官方、无监督基准，未进入官方排名；IMO提交的证明由官方评分员评定。

作者强调，易微调不应只意味着能训练，还意味着有清晰可复用的配方。两个项目共享同一套四步方法：从强大的Nemotron基座出发；整理领域问题与高质量推理轨迹；使用SFT、RL等标准后训练；将专用模型与生成-评估-改进的推理循环结合。训练和推理计算量不小，但基础步骤是熟悉且可复现的，不需要为每个挑战重新构建基座模型。

编程竞赛部分，团队整理了22,000道题，并生成合成推理轨迹，训练了两个专家模型。Nemotron-3-Nano-CC（300亿总参数、30亿激活参数）接受SFT和RL；Nemotron-3-Ultra-CC（5500亿总参数、550亿激活参数）只做SFT。IOI 2025的进度清晰展示了专业化的价值：Nano从后训练前的130分，经SFT到280分，RL后到291分；加上GenCorrect的迭代生成-评估-改进，达到468分，跨过438.3的金牌线。Ultra-CC用同样的测试时策略拿到502分。实验还显示，不同规模的最优适配路径不同：Nano的收益主要来自SFT，RL带来较小但一致的提升；而更强的Ultra模型只用一个SFT epoch，就能在IOI、ICPC和LiveCodeBench Pro上超过完全后训练的Nano。基于这一发现，用于IOI 2026的Ultra-CC系统拿到 535.4/600。

IMO项目沿用同一思路。从Nemotron 3 Ultra出发，分别训练了一个SFT专家和一个RL专家。SFT语料包含 414,890 个质量过滤示例，覆盖 15,818 道唯一证明题；数据覆盖证明生成、细化、验证和元验证，让模型学会构造论证、识别缺口、回应批评和判断证明完整性。RL模型在 9,597 道靠近能力边界的证明题上训练。开发实验中，两个后训练检查点都优于通用模型，SFT检查点在第一轮搜索最强，RL检查点整体最佳，二者互补，最终系统同时使用两个专家和通用模型。对每道题，系统生成候选证明、打分、提出批评、改进最有希望的版本，再由高计算阶段选出最终提交。整个流程完全在自然语言中进行，没有形式化证明器、外部工具或互联网访问，最终得分 30/42，其中四道题获满分，超过金牌线。

这些结果的关键在于微调与测试时计算的协同。此前IOI 2025的帖子已展示测试时计算能把开放权重模型推到金牌水平；新结果补上了另一块：更强的专用化给推理系统提供更好的候选、批评者和细化结果。在IOI，GenCorrect把微调收益通过多轮反馈放大；在IMO，使用互补的SFT和RL检查点比单纯从一个检查点采样更多更有效。奖牌不是只靠微调，也不是只靠暴力采样，而是模型、数据和推理循环共同设计的结果。

所有资源已公开。IMO 2026的Nemotron Labs集合包含SFT/RL检查点、两个训练数据集和新基准 Nemotron-IMO-Bench（200道奥林匹克级题目）；论文描述训练方法和生成-验证-细化系统，NeMo-Skills仓库提供推理流程、提示、提交证明和快速入门。编程竞赛方面，Nemotron-3-Ultra-CC模型可在Hugging Face获取，IOI论文给出训练配方与GenCorrect方法，评估和推理流程也在NeMo-Skills中。这些结果共同指向一个简单判断：Nemotron能被微调成世界级领域专家，并与透明推理工作流组合，解决人类竞赛前沿的问题。