MaxProof फ्रेमवर्क: MiniMax M3 ने IMO 2025 और USAMO 2026 में मानव स्वर्ण पदक रेखा को पार किया
मूल शीर्षक:MaxProof: Scaling Mathematical Proof with Generative-Verifier RL and Evolutionary Search
AI सारांश
MiniMax M3 ने MaxProof फ्रेमवर्क का उपयोग करके IMO 2025 और USAMO 2026 दोनों गणित ओलंपियाड बेंचमार्क पर मानव स्वर्ण पदक रेखा को पार किया। फ्रेमवर्क तीन चरणों में प्रशिक्षण देता है: Proof RL जनरेटिव वेरिफायर से पुरस्कार प्रदान करता है और दीर्घकालिक रीइन्फोर्समेंट लर्निंग से प्रमाण निर्माण क्षमता बढ़ाता है; Verifier Alignment सत्यापन को त्रुटि स्थानीयकरण कार्य के रूप में संरेखित करता है; Refinement Augmentation प्रशिक्षण के दौरान उत्पन्न गलत प्रमाणों और सत्यापन विश्लेषण जोड़ों का उपयोग करके अस्वीकृति नमूनाकरण से सुधार क्षमता को फाइन-ट्यून करता है। तीनों को मिलाकर M3 सामान्य मॉडल बनता है। सिस्टम कम झूठी सकारात्मक दर से शोर को फ़िल्टर करता है, जिससे RL की स्थिरता सुनिश्चित होती है।
मुख्य जानकारी
- MiniMax M3 ने MaxProof फ्रेमवर्क का उपयोग करके IMO 2025 और USAMO 2026 दोनों गणित ओलंपियाड…
- Verifier Alignment सत्यापन को त्रुटि स्थानीयकरण कार्य के रूप में संरेखित करता है
- Refinement Augmentation प्रशिक्षण के दौरान उत्पन्न गलत प्रमाणों और सत्यापन विश्लेषण जोड़ों का…
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- स्रोत
- MiniMax:Blog(网页)
- श्रेणी
- पेपर और शोध
- AI स्कोर
- 76
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。
संबंधित एंटिटी
स्रोत और कॉपीराइट
यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।
उद्धरण कैसे दें
इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।
Orange News: MaxProof फ्रेमवर्क: MiniMax M3 ने IMO 2025 और USAMO 2026 में मानव स्वर्ण पदक रेखा को पार किया। 9 जून 2026। https://new.nat6.net/hi/news/cmqadpjwv0kjzslldk3axe95f/