A mesma base Nemotron foi ajustada para criar duas rotas de nível ouro: uma para resolver problemas e outra para escrever demonstrações. Na programação, foram usadas 22 mil questões e trajetórias de raciocínio sintéticas; depois, um ciclo de geração, avaliação e correção elevou a pontuação, chegando a 535,4/600 na IOI. Mas o resultado veio de um benchmark não oficial e sem supervisão, e não conta para a classificação oficial.
Na matemática, mais de 410 mil exemplos abrangeram a geração, o reparo e a verificação de demonstrações. No fim, foram usados em conjunto os checkpoints de SFT e RL, pois seus pontos fortes se complementam. O resultado na IMO foi 30/42, com correção oficial.
Na matemática, mais de 410 mil exemplos abrangeram a geração, o reparo e a verificação de demonstrações. No fim, foram usados em conjunto os checkpoints de SFT e RL, pois seus pontos fortes se complementam. O resultado na IMO foi 30/42, com correção oficial.