NVIDIAのNemotron、IOI 2026問題で535.4点を記録し、全公式出場者を上回る
NVIDIAは、Nemotron-3-Ultra-CCが非公式のライブ実行でIOI 2026において535.4/600点を記録し、最高得点の人間出場者の498.27点を上回ったと報告している。
目次 · 11
NVIDIAの研究者は、競技向けに調整したNemotronのバージョンが、国際情報オリンピック（IOI）2026の問題セットで600点中535.4点を記録したと報告している。これは公式の金メダル基準を174.28点、最高得点の人間出場者を37.13点上回る。
この結果は、問題が公開される前の競技期間中に、出場者と同じ2回の各5時間セッション、インターネット制限、採点プラットフォーム、提出回数制限の下で得られた。NVIDIAは、IOI問題セットにおいて首位の人間出場者を上回ったことが知られている初のAIシステムだとしている。
ただし、これは公式エントリーではなかった。NVIDIAの論文はこの実験を「unofficial, unsupervised benchmark」と明記しており、実行はIOIの監督下ではなかったとしている。このモデルは公式順位表に掲載されておらず、メダルも授与されていない。
一、535.4点が意味すること
IOI 2026は、8月9日から8月16日までウズベキスタンのタシケントで開催された。375人の出場者は92のIOI加盟組織を代表していた。競技では、各競技日に3問ずつ、計6問のアルゴリズム問題に取り組み、各問題の満点は100点だった。
公式結果では、中国のQiwen Xuが498.27点で1位となった。32人の出場者が361.12点の金メダル基準に到達し、銀および銅の基準はそれぞれ303.28点と228.80点だった。
したがって、NVIDIAが報告した535.4点は、順位表に加えればすべての出場者を上回ることになる。これは可能な最高得点の89.2%に相当し、公式優勝者の83.05%と比較される。
この比較に意味があるのは、この実験が公開ベンチマークに対する事後的な実行ではなく、前向きに行われたものだからである。技術報告書によれば、NVIDIAは競技の進行中で、6問が公開される前にシステムを稼働させた。これにより、モデルが学習データから特定の問題を記憶していたリスクは大幅に低減される。
条件は他のいくつかの点でも一致していた。モデルはインターネットにアクセスできなかったが、ローカルでコードを実行できた。競技採点システムを使用し、問題ごとに50回の提出に制限され、提出は通常1分あたり1回に制限された。公式ルールでは、出場者は各提出後にサブタスク単位の得点を受け取り、モデルも同じ種類のフィードバックを受けた。
重要な検証上の境界がある。NVIDIAのX投稿は、この得点が「as graded by the IOI team」だったとしているが、付随する論文はモデルの実行がIOIの監督下にはなかったとしている。公式順位表が独立して確認しているのは、人間の得点とメダル基準であり、モデルの535.4点ではない。したがって最も公正な表現は、IOI認定の競技結果ではなく、公式採点プラットフォームを通じて得られたNVIDIA報告の得点となる。
二、システムは単一モデルの応答以上のものだった
ライブシステムは、NVIDIAのNemotron-3-Ultra-550B-A55Bを競技プログラミング向けに適応させたNemotron-3-Ultra-CCを中心に構築された。基盤となるMixture-of-Expertsモデルは総計5,500億パラメータを持ち、各トークンで550億パラメータを活性化する。
NVIDIAのより広範な事後学習プロジェクトは、約20年にわたる16の競技系列およびオンラインプラットフォームから集めた22,000件のプログラミング問題のコーパスで始まった。研究者らは問題文、制約、テスト、参照解答を含む実行可能な環境に問題をパッケージ化し、その後、一貫しない結果を生じる環境を除外した。
一般向けのUltra-CCモデルでは、研究者らは477,642件の教師ありファインチューニングトレースを生成した。より小規模な300億パラメータのNemotron-3-Nano-CCモデルには、120万件のトレースに加えて強化学習を適用したが、NVIDIAは計算コストを理由にUltraには競技コーディング向け強化学習段階を適用しなかった。
ライブIOI 2026バリアントでは、さらに競技固有の適応を行った。NVIDIAは、教師モデル候補としてGLM-5.2とDeepSeek-V4-Flashを2025年のIOIタスクで評価した。GLM-5.2は平均生成長85,927トークンで66.0%を記録したのに対し、DeepSeek-V4-Flashは55.3%および120,456トークンだった。その後、GLMで学習したUltra-CCバリアントは2025年の問題で59.4%に到達し、DeepSeekで学習したバージョンの50.7%を上回ったため、NVIDIAはライブシステム向けにGLM-5.2のデータを選択した。
決定的な構成要素はGenCorrectであり、採点器のサブタスクフィードバックを反復的な探索プロセスへ変換する推論手順である。最初の4ラウンドでは、システムは問題ごとに最大200個の候補プログラムを生成し、無効な出力を除外し、残ったプログラムを挙動の多様性に基づいてクラスタリングし、提出用に10件の代表を選択した。
それらの提出から得られた得点により、どのサブタスクが解決済みかが示された。次のラウンドでは、蓄積されたサブタスク結果と、完了済みサブタスクを維持し、未解決のものを対象とし、多様性を保つことを意図した以前の解答を受け取った。この設計は、IOI採点の重要な特性を利用している。各サブタスクの最終得点は、すべての提出における最高得点となるため、後のプログラムは以前の進捗を消去せずに、問題の異なる部分を追求できる。
5回目かつ最終ラウンドでは、NVIDIAは問題ごとの候補解を200件から1,000件へ拡大しつつ、提出は10件にとどめた。システムは50個の問題固有テストジェネレータとバリデータを生成し、それらをフィルタリングして100個の有効なテスト入力を取得し、候補プログラムをローカルで実行し、モデルが生成した採点スクリプトを用いて順位付けした。5ラウンド全体で、この手順は公式の採点対象提出50回という制限を守りながら、問題ごとに最大1,800個のプログラムを生成できた。
三、NVIDIAは単発サンプル精度をスループットと引き換えにした
ライブデプロイメントでは、ピーク時に760基のNVIDIA GB300 GPUを割り当てた。このハードウェア規模により、この結果は時間と提出ルールを一致させた比較ではあっても、10代の出場者と単一のモデルインスタンスとの等しいリソースによる競争ではない。
大規模な候補バッチを競技時間内に収めるため、NVIDIAはUltra-CCをNVFP4に量子化し、FP8のキー・バリューキャッシュと、5に設定したマルチトークン予測を使用した。2025年IOI開発セットでは、この構成はGPUあたり毎秒736.8トークンを生成し、BF16ベースラインの199.1トークンの3.7倍だった。
量子化は単発サンプル精度を低下させた。選択された構成は、Score@1におけるIOI 2025で52.8%を記録し、BF16の59.4%と比べて6.6パーセントポイント低下した。NVIDIAは、GenCorrectが固定された5時間セッション内で、はるかに大きな解答プールを生成・テストすることに依存していたため、このトレードオフを受け入れた。
以前の実験はその理由を示している。2025年問題セットでは、一般向けUltra-CCモデルは最初のGenCorrectラウンド後に平均343.9点、5ラウンド後に502.0点となり、反復的なサンプリングと修正によって158.1点を獲得した。より小規模なNano-CCシステムは、同じ5ラウンドで360.6点から468.2点へ上昇した。
したがって、この結果は、支援なしの単一モデル補完が最優秀出場者を上回ったことを示すものではない。専門的な学習、並列生成、コンパイル、クラスタリング、合成テスト、公式採点器のフィードバック、および大規模なハードウェアを組み合わせたモデル中心のシステムが、競技の外的制約の下で、大量の推論計算をより高い得点へ転換できたことを示している。
四、確認されていることと未検証のまま残ること
公式IOI記録は、6タスク形式、600点満点、361.12点の金メダル基準、およびQiwen Xuの首位得点498.27点を確認している。NVIDIAの技術報告書は、モデル得点、デプロイメント条件、システム詳細を提供している。
論文が報告しているライブ試行は1回のみである。NVIDIAは後に、コンテスト後に標準のGenCorrectパイプラインをさらに5回実行し、平均521.72点、495.0点から545.8点の範囲を得た。ライブ得点はこの平均を13.68点上回ったが、観測された範囲内にとどまった。これらの端点のうち4つは最高得点の人間出場者を上回り得た一方、報告された最小値は3.27点届かなかったことになる。NVIDIAは個々の得点をそれぞれ公表していない。
この報告書は2026年9月2日にarXivへ投稿され、査読済み出版物ではなくプレプリントである。著者らは、このアプローチには大規模な学習および推論計算が必要であること、Ultra規模の強化学習は予算の範囲外だったこと、競技プログラミング以外には知見を一般化できない可能性があることを認めている。
再現性もまだ不完全である。NVIDIAは、競技用チェックポイントと実行可能な推論・評価コンポーネントをNeMo Skills経由で公開する予定だとしているが、論文では第三者による制約のため、完全な学習コーパスは再配布できないとしている。チェックポイントとレシピが利用可能になるまで、外部研究者は報告書だけから完全なライブシステムを独立して再現できない。
開発者にとって最も明確な技術的含意は、「AIがプログラマに勝つ」よりも限定的である。この実験は、採点フィードバックを強力なテスト時シグナルとして使えることを示している。すなわち、多数の異なるプログラムを生成し、限られた提出セットを選び、どのサブタスクが通過するかを観測し、その後の計算を残るギャップに割り当てるということだ。また、タスクが評価器との反復的な採点付き対話を許す場合、推論スループットが単一応答の低い精度を上回り得ることも定量化している。
よくある質問
NemotronはIOI 2026で優勝したのですか？
いいえ。公式出場者ではなく、順位表にも掲載されず、メダルも受け取っていない。NVIDIAは、その非公式ライブ実行がすべての公式出場者を上回る得点を記録したと報告している。
公式の人間出場者による最高得点はいくつでしたか？
中国のQiwen Xuが600点中498.27点で1位となった。NVIDIAが報告したモデル得点は535.4点だった。
モデルはインターネットにアクセスできましたか？
いいえ、NVIDIAの報告によればできなかった。ローカルでコードを実行し、競技採点プラットフォームにアクセスすることはでき、関連する競技制限と一致していた。
モデルは問題ごとに1つの解答に制限されていましたか？
いいえ。GenCorrectは数百個の候補プログラムを生成し、5ラウンドを通じて問題ごとに最大50回の公式提出を使用した。
研究者は現在この結果を再現できますか？
完全にはできない。NVIDIAはチェックポイントと実行可能なレシピを公開する予定だとしているが、第三者による制約のため、完全な学習コーパスは配布されない。
参考ソース
Share