据雷峰网报道，NVIDIA于9月9日公布Nemotron 3 Ultra在2026年IMO使用的整套数学推理系统，最终获得30/42分，超过当届29分金牌线，并开源两个数学专家checkpoint、SFT与RL训练数据、推理代码、训练配方、比赛提交证明以及200道Nemotron-IMO-Bench。比赛过程中，模型仅用自然语言写证明，没有调用Lean等形式化证明器，也没有借助外部工具或联网检索。

两天后的9月11日，陶哲轩、Peter Scholze、Maryna Viazovska等25位菲尔兹奖得主联合发声，批评AI数学成果发布越来越快，而证明检查、方法梳理和复现没有足够时间展开。NVIDIA此次把模型、数据、推理流程和计算成本一并留下，使一个IMO金牌级结果可被还原成具体系统变量。

系统技术起点不是反复采样同一个Nemotron 3 Ultra，而是先训练两个行为不同的数学专家。SFT数据加入大量证明修改、验证和再次验证轨迹，使模型能接手半成品或局部错误的证明并沿原路线继续修。RL专家根据成功和失败轨迹调整生成分布，提高能闭合证明的思路权重，压低反复进入死路的选择。通用版、SFT和RL三份checkpoint形成不同解题偏好，降低候选之间的相关性。

首轮每道题生成384份证明，系统将其放入持续更新的搜索池。证明经验证后分为直接通过、方向可用但需修补、路线价值较低三类；高评分证明被保留，验证器指出的问题送回模型修改。自然语言证明没有连续可微目标函数，验证器批改意见承担方向信号。每轮重新产生候选，与之前路线在全局证明池竞争；高评价路线继续获得算力，无法解决关键漏洞则逐渐失去扩展机会。

验证环节是更明显的瓶颈。系统设置高接受门槛，两个专家反复检查同一份证明，全部通过才接受，以较高误拒率换取更低错误接受率。但SFT、RL和通用版共享同一个Nemotron 3 Ultra底座，拥有相似的知识结构和推理习惯。错误来自随机疏忽时，多次检查可降低风险；错误来自共同盲区时，增加检查次数效果减弱。论文中一份列置换对称性错误证明存在可构造反例，三个checkpoint均未识别关键漏洞。第6题中，系统继续计算得到的新证明未获内部验证放行，人工复核却认为其中相当部分正确，可拿部分分数。Verifier因此同时存在错误放过和有价值证明被压制两类偏差。

开源内容包括两个专家checkpoint、SFT与RL数据、推理代码、RL recipe、提交证明和200道Nemotron-IMO-Bench。外部团队可以改变checkpoint组合、sampling budget、verifier threshold和refinement深度，观察成绩变化，但完整重跑30分仍是另一回事。550B级模型、TB级显存以及数千个GB200 GPU小时构成高硬件门槛；NVIDIA官方文档写明，Nemotron 3 Ultra通用版部分中间teacher和MOPD checkpoint尚未开放。8张B200显卡与1464小时的长考成本，仍将多数高校实验室挡在门外。