MiniMax M3는 MaxProof 프레임워크를 채택해 IMO 2025와 USAMO 2026 두 수학 올림피아드 벤치마크에서 인간 금메달 기준선을 넘어섰다. 프레임워크는 3단계로 훈련된다. Proof RL은 생성형 검증기로 보상을 제공하며 장기 강화학습을 통해 증명 생성 능력을 향상시킨다. Verifier Alignment는 검증을 오류 위치 파악 작업으로 정렬한다. Refinement Augmentation은 훈련 중 생성된 오류 증명과 검증 분석 쌍을 활용해 거부 샘플링 미세조정으로 수정 능력을 보강한다. 세 단계를 합쳐 M3 범용 모델로 완성했다. 시스템은 낮은 거짓 양성률로 노이즈를 필터링해 RL 안정성을 보장한다.
핵심 정보
MiniMax M3는 MaxProof 프레임워크를 채택해 IMO 2025와 USAMO 2026 두 수학 올림피아드 벤치마크에서 인간 금메달 기준선을 넘어섰다.
프레임워크는 3단계로 훈련된다.
Proof RL은 생성형 검증기로 보상을 제공하며 장기 강화학습을 통해 증명 생성 능력을 향상시킨다.
Verifier Alignment는 검증을 오류 위치 파악 작업으로 정렬한다.
Refinement Augmentation은 훈련 중 생성된 오류 증명과 검증 분석 쌍을 활용해 거부 샘플링 미세조정으로 수정 능력을 보강한다.