Kertas penyelidikan

Rangka kerja MaxProof: MiniMax M3 melebihi garis pingat emas manusia dalam IMO 2025 dan USAMO 2026

Tajuk asal:MaxProof: Scaling Mathematical Proof with Generative-Verifier RL and Evolutionary Search

Ringkasan AI

MiniMax M3 menggunakan rangka kerja MaxProof, melebihi garis pingat emas manusia dalam dua penanda aras olimpiad matematik IMO 2025 dan USAMO 2026. Rangka kerja dilatih dalam tiga peringkat: Proof RL menggunakan pengesah generatif untuk memberikan ganjaran, menjalankan pembelajaran pengukuhan jarak jauh untuk meningkatkan keupayaan penjanaan bukti; Verifier Alignment menyelaraskan pengesah sebagai tugas penempatan ralat; Refinement Augmentation menggunakan bukti salah dan pasangan analisis pengesahan yang dihasilkan semasa latihan, melalui penalaan halus pensampelan penolakan keupayaan pembaikan. Ketiga-tiganya digabungkan menjadi model umum M3. Sistem menapis bunyi melalui kadar positif palsu rendah, memastikan kestabilan RL.

Maklumat penting

  • MiniMax M3 menggunakan rangka kerja MaxProof,melebihi garis pingat emas manusia dalam dua penanda…
  • Rangka kerja dilatih dalam tiga peringkat: Proof RL menggunakan pengesah generatif untuk…
  • Verifier Alignment menyelaraskan pengesah sebagai tugas penempatan ralat
  • Refinement Augmentation menggunakan bukti salah dan pasangan analisis pengesahan yang dihasilkan…
  • Ketiga-tiganya digabungkan menjadi model umum M3.

Sekilas pandang

Diterbitkan pada
Dikemas kini pada
Sumber
MiniMax:Blog(网页)
Kategori
Kertas penyelidikan
Skor AI
76
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

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。

Entiti Berkaitan

Sumber dan hak cipta

Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.

Pautan asal · Entri AIHOT

Cara memetik

Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.

Orange News: Rangka kerja MaxProof: MiniMax M3 melebihi garis pingat emas manusia dalam IMO 2025 dan USAMO 2026. 9 Jun 2026. https://new.nat6.net/ms/news/cmqadpjwv0kjzslldk3axe95f/

Lihat Semua →