论文与研究

MaxProof框架:MiniMax M3在IMO 2025和USAMO 2026超越人类金牌线

原文标题:MaxProof: Scaling Mathematical Proof with Generative-Verifier RL and Evolutionary Search

AI 摘要

MiniMax M3采用MaxProof框架,在IMO 2025和USAMO 2026两项数学奥赛基准上超越人类金牌线。框架分三阶段训练:Proof RL使用生成式验证器提供奖励,进行长程强化学习提升证明生成能力;Verifier Alignment将验证对齐为错误定位任务;Refinement Augmentation利用训练中产生的错误证明与验证分析对,通过拒绝采样微调修复能力。三者合并为M3通用模型。系统通过低假阳性率过滤噪声,保证RL稳定性。

关键信息

  • MiniMax M3采用MaxProof框架,在IMO 2025和USAMO 2026两项数学奥赛基准上超越人类金牌线。
  • 框架分三阶段训练:Proof RL使用生成式验证器提供奖励,进行长程强化学习提升证明生成能力
  • Verifier Alignment将验证对齐为错误定位任务
  • Refinement Augmentation利用训练中产生的错误证明与验证分析对,通过拒绝采样微调修复能力。
  • 三者合并为M3通用模型。

速览

发布时间
更新时间
来源
MiniMax:Blog(网页)
分类
论文与研究
AI 评分
76
阅读原文 前往信息源阅读完整正文
推荐理由

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。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:MaxProof框架:MiniMax M3在IMO 2025和USAMO 2026超越人类金牌线。2026年6月9日。https://new.nat6.net/news/cmqadpjwv0kjzslldk3axe95f/

查看全部 →