Статьи и исследования

Фреймворк MaxProof: MiniMax M3 превзошла золотую медаль человека на IMO 2025 и USAMO 2026

Оригинальный заголовок:MaxProof: Scaling Mathematical Proof with Generative-Verifier RL and Evolutionary Search

ИИ-резюме

MiniMax M3 с фреймворком MaxProof превзошла золотую медаль человека на двух математических олимпиадных бенчмарках — IMO 2025 и USAMO 2026. Обучение фреймворка состоит из трёх этапов: Proof RL использует генеративный верификатор для награды и длительное обучение с подкреплением для улучшения генерации доказательств; Verifier Alignment превращает верификацию в задачу локализации ошибок; Refinement Augmentation применяет пары ошибочных доказательств и результатов проверки, полученные при обучении, для дообучения способности исправлять ошибки методом отбраковочной выборки. Все три этапа объединены в универсальную модель M3. Система фильтрует шум при низкой доле ложноположительных срабатываний, обеспечивая стабильность RL.

Ключевые моменты

  • MiniMax M3 с фреймворком MaxProof превзошла золотую медаль человека на двух математических…
  • Обучение фреймворка состоит из трёх этапов: Proof RL использует генеративный верификатор для…
  • Verifier Alignment превращает верификацию в задачу локализации ошибок
  • Refinement Augmentation применяет пары ошибочных доказательств и результатов проверки,полученные…
  • Все три этапа объединены в универсальную модель M3.

Кратко

Опубликовано
Обновлено
Источник
MiniMax:Blog(网页)
Категория
Статьи и исследования
Оценка ИИ
76
Читать оригинал Читать полную статью в первоисточнике
Почему это важно

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。

Связанные сущности

Источник и авторские права

Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.

Оригинал статьи · Материал на AIHOT

Как цитировать

При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.

Orange News: Фреймворк MaxProof: MiniMax M3 превзошла золотую медаль человека на IMO 2025 и USAMO 2026. 9 июня 2026. https://new.nat6.net/ru/news/cmqadpjwv0kjzslldk3axe95f/

Смотреть все →