NVIDIA 开源 Cascade RL 获 NeurIPS Oral,IOI 银牌超越 DeepSeek-R1

_weiping · x · 2026-09-25

NVIDIA 团队宣布 Nemotron-Cascade 被 NeurIPS 2026 接收为 Oral，这是完全开源的 LLM 后训练 RL 配方（模型与数据均在 Hugging Face 开放）。核心思路是不将不同任务混在一起，而是按课程（curriculum）逐步扩展 Cascade RL：RLHF → Instruct → Math → Code → SWE。成绩方面，模型在 IOI 2025 获银牌，并在 LiveCodeBench 上超越 DeepSeek-R1-0528。团队称报告中包含大量经验教训。