待验证50% 置信事实精确时间

团队以Nemotron 3 Ultra为起点，通过监督微调（SFT）和强化学习（RL）训练出两个专门针对奥数的专家检查点

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

Nemotron摘得IMO金牌：开源奥数证明生成全流程解密

涉及实体

Nemotron 3 Ultramodel SFTconcept RLconcept

相关事实

已验证SFT-奖励模型-RLHF三阶段对齐训练范式最早由OpenAI在InstructGPT论文中系统提出68% 相似已验证从预训练检查点到可商用产品需经历监督式指令微调（SFT）和基于人类反馈的强化学习（RLHF）两个后训练阶段68% 相似待验证将RL工作流集成到NeMo带来训练与推理一致性、规模化训练能力和全链路工具整合三项优势66% 相似已验证大模型训练经历三个核心阶段：预训练、有监督微调（SFT）和偏好对齐66% 相似待验证Unsloth使用手写Triton内核替代PyTorch默认实现来优化训练速度65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/916345

API

curl https://kongchang.com/api/v1/knowledge/claims/916345

MCP

get_claim(id=916345)