Artículos e investigación

El marco MaxProof: MiniMax M3 supera la línea de oro humana en IMO 2025 y USAMO 2026

Título original:MaxProof: Scaling Mathematical Proof with Generative-Verifier RL and Evolutionary Search

Resumen de IA

MiniMax M3, con el marco MaxProof, supera la línea de oro humana en dos pruebas de olimpiadas matemáticas: IMO 2025 y USAMO 2026. El marco se entrena en tres etapas: Proof RL usa un verificador generativo para proporcionar recompensas y realiza aprendizaje por refuerzo de largo alcance para mejorar la generación de demostraciones; Verifier Alignment alinea la verificación como una tarea de localización de errores; Refinement Augmentation aprovecha las demostraciones erróneas y los pares de análisis de verificación generados durante el entrenamiento para ajustar por muestreo de rechazo la capacidad de corrección. Las tres se combinan en el modelo general M3. El sistema filtra el ruido mediante una baja tasa de falsos positivos, lo que garantiza la estabilidad del RL.

Puntos clave

  • MiniMax M3,con el marco MaxProof,supera la línea de oro humana en dos pruebas de olimpiadas…
  • El marco se entrena en tres etapas: Proof RL usa un verificador generativo para proporcionar…
  • Verifier Alignment alinea la verificación como una tarea de localización de errores
  • Refinement Augmentation aprovecha las demostraciones erróneas y los pares de análisis de…
  • Las tres se combinan en el modelo general M3.

Resumen rápido

Publicado
Actualizado
Fuente
MiniMax:Blog(网页)
Categoría
Artículos e investigación
Puntuación IA
76
Leer el original Leer el artículo completo en la fuente original
Por qué importa

M3在数学奥赛上搞定人类金牌,靠的是用生成验证器做RL和进化搜索,这套组合对复杂推理任务的普适性可能比提高一个benchmark分数更有价值。

Entidades relacionadas

Fuente y derechos

Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.

Artículo original · Ficha de AIHOT

Cómo citar

Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.

Orange News: El marco MaxProof: MiniMax M3 supera la línea de oro humana en IMO 2025 y USAMO 2026. 9. junio 2026. https://new.nat6.net/es/news/cmqadpjwv0kjzslldk3axe95f/

Ver todo →