今日论文！ https://t.co/6LSlvyBYKh https://t.co/Px7vi37viL

论文页面 - 通过简单统一的缩放实现金牌级别奥林匹克推理

来源：https://huggingface.co/papers/2605.13301 发表于5月13日

#1 今日论文 (https://huggingface.co/papers/date/2026-05-15) 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

一种系统化的方法，通过反向困惑度课程、两阶段强化学习和测试时缩放，将后训练推理模型转化为严谨的奥林匹克级别求解器，在数学和物理竞赛中实现了金牌级别的性能。

近期推理模型 (https://huggingface.co/papers?q=reasoning%20models) 的进展显著提升了长程数学和科学问题求解 (https://huggingface.co/papers?q=scientific%20problem%20solving) 的能力，已有多个系统在国际数学奥林匹克竞赛 (https://huggingface.co/papers?q=International%20Mathematical%20Olympiad) (IMO) 和国际物理奥林匹克竞赛 (https://huggingface.co/papers?q=International%20Physics%20Olympiad) (IPhO) 问题中达到金牌级别性能。本文介绍了一种简单统一的方案，用于将后训练的推理骨干网络 (https://huggingface.co/papers?q=backbone) 转化为严谨的奥林匹克级别求解器。该方案首先使用反向困惑度课程 (https://huggingface.co/papers?q=reverse-perplexity%20curriculum) 进行 SFT (https://huggingface.co/papers?q=SFT)，以灌输严谨的证明搜索 (https://huggingface.co/papers?q=proof-search) 和自我检查行为 (https://huggingface.co/papers?q=self-checking%20behaviors)；然后通过一个两阶段 RL (https://huggingface.co/papers?q=RL) 流程（从使用可验证奖励 (https://huggingface.co/papers?q=verifiable%20rewards) 的 RL (https://huggingface.co/papers?q=RL) 演进到更精细的证明级 RL (https://huggingface.co/papers?q=proof-level%20RL)）来缩放这些行为；最后利用测试时缩放 (https://huggingface.co/papers?q=test-time%20scaling) 提升求解性能。应用该方案，我们在约34万条子8K token (https://huggingface.co/papers?q=token) 轨迹上进行 SFT (https://huggingface.co/papers?q=SFT)，随后执行200步 RL (https://huggingface.co/papers?q=RL) 训练，得到一个30B-A3B骨干网络 (https://huggingface.co/papers?q=backbone)。由此得到的模型 SU-01 能够对困难问题进行稳定推理，轨迹长度超过10万 token (https://huggingface.co/papers?q=token)，同时在数学和物理奥林匹克竞赛（包括 IMO 2025/USAMO 2026 和 IPhO 2024/2025）中达到金牌级别性能。该模型还展现出超越数学和物理领域的科学推理强大泛化能力。

查看 arXiv 页面 (https://arxiv.org/abs/2605.13301) 查看 PDF (https://arxiv.org/pdf/2605.13301) 项目页面 (https://simplified-reasoning.github.io/SU-01) GitHub41 (https://github.com/Simplified-Reasoning/SU-01) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.13301)

在你的 agent 中获取此论文：

hf papers read 2605\.13301

没有最新 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型1

Simplified-Reasoning/SU-01 强化学习 • 31B • 2天前更新 • 21 • 6 (https://huggingface.co/Simplified-Reasoning/SU-01)

引用此论文的数据集0

没有数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2605.13301 以从此页面链接它。

引用此论文的 Spaces0

没有 Space 链接此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2605.13301 以从此页面链接它。

包含此论文的收藏4