Nemotron raggiunge livello da medaglia d'oro a IOI e IMO

Nemotron 3, adattato con fine‑tuning e post‑training, ha ottenuto prestazioni comparabili a una medaglia d’oro a IOI 2026 e a IMO 2026 in benchmark non ufficiali. Per IOI la prova è avvenuta “live”, con vincoli equivalenti a quelli dei concorrenti umani¹.

Gli autori dichiarano di essere partiti da un modello di base Nemotron e di aver costruito specialisti con supervised fine‑tuning (SFT), reinforcement learning (RL) e inferenza guidata dal feedback. Con questa combinazione affermano di aver raggiunto risultati di livello oro in entrambe le competizioni¹.

Sul lato IOI, il test è stato condotto in prospettiva, replicando finestre temporali, regole sull’accesso a Internet e canali di consegna delle soluzioni. Gli autori lo definiscono esplicitamente un benchmark non ufficiale e non supervisionato: non produce alcuna posizione in classifica¹.

Per IMO, il sistema ha generato dimostrazioni che sono state sottoposte ai correttori ufficiali dell’olimpiade. La valutazione si è limitata alle prove inviate ed è avvenuta secondo quanto riportato nel post. Anche in questo caso non si tratta di un risultato ufficiale di gara¹.

Il lavoro ruota attorno a una “model family” disegnata per specializzare con una ricetta riutilizzabile. Punto di partenza: un Nemotron ritenuto solido come base. Poi la cura dei dati, con problemi del dominio e tracce di ragionamento di alta qualità. Infine i passaggi di post‑training: SFT e, quando utile, RL¹.

Gli autori distinguono tra “rendere fine‑tunabile” e “rendere davvero facile da adattare”. Pubblicare un checkpoint non basta. Serve un percorso chiaro che porti un modello capace dentro un dominio esigente. In questo caso la procedura include un’inferenza con feedback, richiamata come parte del risultato raggiunto sui due contesti olimpici¹.

La configurazione IOI sottolinea il tentativo di misurare il comportamento in condizioni di gara: tempi, limitazioni di rete, modalità di invio. Resta però una valutazione esterna alla competizione, senza valore ufficiale. Sul fronte IMO, il coinvolgimento dei correttori introduce un controllo indipendente sulle dimostrazioni, ma non implica alcuna inclusione in classifica¹.

Il post presenta Nemotron come “una base forte e adattabile” per costruire specialisti di alto livello. La tesi è che, con dati curati e post‑training standard, si possano ottenere performance competitive su compiti diversi partendo da un’unica base¹.

Resta aperto il nodo del riconoscimento formale di test di questo tipo. Gli autori ne segnalano i limiti e separano con chiarezza prove in contesto e risultati ufficiali. Il punto pratico, per chi costruisce sistemi di reasoning, è nella ricetta: base solida, dati mirati, post‑training e un anello di feedback in inferenza¹.