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
- 分类
- 论文与研究
- AI 评分
- 76
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。
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/