MaxProofフレームワーク:MiniMax M3がIMO 2025とUSAMO 2026で人間の金メダルラインを超える
原題:MaxProof: Scaling Mathematical Proof with Generative-Verifier RL and Evolutionary Search
AI 要約
MiniMax M3はMaxProofフレームワークを採用し、数学オリンピックの2つのベンチマークIMO 2025とUSAMO 2026で人間の金メダルラインを上回った。フレームワークは3段階のトレーニングで構成:Proof RLは生成型バリデータで報酬を提供し、長期的な強化学習で証明生成能力を向上。Verifier Alignmentは検証をエラー位置特定タスクに整合。Refinement Augmentationはトレーニング中に生成された誤った証明と検証分析のペアを利用し、拒否サンプリングによるファインチューニングで修正能力を強化。三者を統合してM3汎用モデルとする。システムは低い偽陽性率でノイズを除去し、RLの安定性を確保する。
要点
- MiniMax M3はMaxProofフレームワークを採用し、数学オリンピックの2つのベンチマークIMO 2025とUSAMO 2026で人間の金メダルラインを上回った。
- フレームワークは3段階のトレーニングで構成:Proof RLは生成型バリデータで報酬を提供し、長期的な強化学習で証明生成能力を向上。
- Verifier Alignmentは検証をエラー位置特定タスクに整合。
- Refinement Augmentationはトレーニング中に生成された誤った証明と検証分析のペアを利用し、拒否サンプリングによるファインチューニングで修正能力を強化。
- 三者を統合してM3汎用モデルとする。
概要
- 公開日時
- 更新日時
- カテゴリ
- 論文・研究
- AI スコア
- 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。
関連エンティティ
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:MaxProofフレームワーク:MiniMax M3がIMO 2025とUSAMO 2026で人間の金メダルラインを超える。2026年6月9日。https://new.nat6.net/ja/news/cmqadpjwv0kjzslldk3axe95f/