AIMPACT предложил систематический подход к преобразованию моделей пост-тренировочного вывода в олимпийского уровня решатели задач, состоящий из трех этапов: с помощью курса обратной путаницы для контролируемой дообучения внедряет поиск доказательств и самопроверку; затем расширяет его двумя этапами усиленного обучения; при тестировании выполняет масштабирование для повышения эффективности. Применение к базе 30B-A3B, с использованием около 340 000 суб-8K траекторий для контролируемого дообучения, затем 200 шагов RL, получена модель SU-01. Эта модель способна стабильно рассуждать о сложных задачах, траектории превышают 100 000 токенов, достигая уровня золотой медали на конкурсах IMO/USAMO/IPhO и демонстрируя способность к научному мышлению за пределами математики и физики.

MeNews

2026-05-26 22:37:22

Генерация тезисов в процессе

AIMPACT сообщение, 16 мая (UTC+8), опубликована новая статья, которая предлагает системный метод преобразования моделей посттренировочного вывода в олимпийского уровня решатели задач, и на основе этого метода обучена модель SU-01. Этот метод включает три шага: сначала использование курса обратной путаницы для контролируемой дообучения с целью внедрения строгого поиска доказательств и самопроверки; затем расширение этих действий с помощью двухэтапного усиленного обучения (переход от обучения с подкреплением на основе проверяемых наград к обучению с доказательствами); и, наконец, повышение производительности за счет масштабирования во время тестирования. Исследовательская команда применила метод к базовой модели 30B-A3B, используя около 340 тысяч траекторий с 8K токенами для контролируемого дообучения, после чего провела 200 шагов усиленного обучения, получив SU-01. Эта модель способна стабильно рассуждать о сложных задачах, длина траекторий превышает 100 тысяч токенов, достигая уровня золотых медалей на соревнованиях IMO 2025/USAMO 2026 и IPhO 2024/2025, а также демонстрирует способность к обобщению в области научных рассуждений за пределами математики и физики. (Источник: InFoQ)

Посмотреть Оригинал

На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .

7 Лайков

Награда
7
6
Репост
Поделиться

комментарий

Добавить комментарий

BlackVelvetKeychain

· 3ч назад

Курс по обратной перплексии — очень интересный дизайн, он закодировал опыт людей в решении задач.

Посмотреть ОригиналОтветить0

OrdersPlacedBeforeTheStorm

· 3ч назад

Механизм самопроверки был бы очень полезен, если бы его можно было визуализировать, тогда отладка процесса вывода стала бы намного проще.

Посмотреть ОригиналОтветить0

VinesCoiledIntoGeometricShapes

· 4ч назад

Физические соревнования также включены, теперь у студентов, участвующих в олимпиадах по физике, есть AI-партнер для тренировок

Посмотреть ОригиналОтветить0

BridgeAnxiety

· 4ч назад

A3B是什么架构，有懂哥展开说说吗

Ответить0

GateUser-ecf4759e

· 4ч назад

Выбор этого уровня гранулярности 子8K轨迹 имеет свои особенности, слишком длинные градиенты могут привести к взрыву.

Посмотреть ОригиналОтветить0

FudAlsoNeedsAnImage

· 4ч назад

Последняя фраза «научное обобщение» заставила меня подумать о парадоксе Полани — мы знаем больше, чем можем выразить, может ли ИИ сейчас охватить ту часть невыраженной интуиции?

Посмотреть ОригиналОтветить0

Популярные темы
Подробнее
#
StockTradingChallengeUpTo17000U
16.22M Популярность
#
TrumpBacksCFTCAuthorityOverPredictionMarkets
815.38K Популярность
#
IsraelStrikesIranBTCPlunges
49.53K Популярность
#
GatePredictionMarketAddsSmartMoneyTracking
13.2M Популярность
#
MicronMarketCapBreaks1Trillion
35.91K Популярность

Закреплено

Карта сайта

После обучения модель вывода SU-01 достигла золотого уровня в олимпиадных задачах

Популярные темы

StockTradingChallengeUpTo17000U

TrumpBacksCFTCAuthorityOverPredictionMarkets

IsraelStrikesIranBTCPlunges

GatePredictionMarketAddsSmartMoneyTracking

MicronMarketCapBreaks1Trillion

Закреплено