AI奧數大獎出爐，輝達摘桂冠！ 14B破解34題暴擊DeepSeek R1

AIMO2最終結果出爐了！輝達團隊NemoSkills拔得頭籌，以14B小模型破解了34道奧數題，完勝DeepSeek R1。

第二屆人工智慧數學奧林匹克競賽（AIMO2）開獎了！

身為大賽顧問委員會的一員，陶哲軒激動地宣佈了最新的結果－輝達團隊AI成功破解了34題（共50題）。

這一次，50道測試題維持了與AIMO1相同「數值答案」形式基礎上，進一步提升了「抗暴力破解」的難度。

這場由Kaggle主辦的AI競賽，參賽者必須使用開源LLM，在規定的有限算力條件下，用AI完成解題。

不過，目前最終成績仍處於稽核階段，但現有資料已能確定大機率的勝者。

輝達深度學習研究員分享，團隊只用了14B小模型，就拿下了比賽第一名。

讓人驚喜的是，微調後的14B竟然超越了405B的DeepSeek R1。

那麼，他們是如何做到的呢？

輝達團隊摘桂冠，14B攻克34題

AIMO2每年都會評選5位得獎者，第一名便是輝達團隊－NemoSkills。

為了讓大家更直觀地對這個分數有一個認識：主辦方使用了DeepSeek R1 405B在同一個測試資料上，進行了無限計算/時間的測試。

結果發現，R1-405B得分僅20分左右。

而輝達微調出的14B模型，以更小參數規模，以及時間和硬體限制下拿下了驚人的34分。

這款模型便是Qwen-14B，在數百萬合成數學測試集上進行了微調，能夠支援CoT推理。

最大的亮點是高度優化的推理，只使用了4個L4 GPU，在短短5小時內解決了50個問題中的34個。

目前，他們尚未提交解決方案，所以一些技術細節還無法窺探。

這個團隊總共由7個人組成，他們分別是Christof Henkel、Darragh Hanley、Ivan Sorokin、Benedikt Schifferer、Igor Gitman、Shubham Toshniwal和Ivan Moshkov。

除了輝達，還有那些團隊取得了精彩的表現？

清華拿下第二

第二名是來自清華和微軟的三人團隊，分別是清華大學研究助理教授Foxfi Ning、微軟的高級研究員Zinan Lin以及清華學子yiyouyc。

在公開排行榜上， 他們得分34/50（排名第一），在私人排行榜上得分31/50（排名第二）。

最關鍵的是，他們是目前Top-5中唯一公開解決方法的參賽團隊。

本次比賽要求同時優化效率和推理性能。

目前，排名前5中，只有排名第二的參賽團隊公佈瞭解決方法。

他們的最終解決方案由三個主要部分組成：

第一部分：推理導向訓練 － 提升模型的推理能力 階段1 - SFT（監督微調）和階段2 - DPO（資料增強優化）使用精選資料。

第二部分：效率優化 － 提升推理效率 選擇合適的推理引擎、權重量化、KV緩存量化。

第三部分：推理時策略 － 改善效率與推理表現的權衡 設計有效的提示語、進行自一致性聚合、在樣本/問題等級進行早停以及調整一些啟髮式超參數。

訓練指令碼基於Light-R1項目。

在本地驗證方面，用了AIME 2025測試集（30個問題）以及參考集（10個問題），評估了平均樣本精準率和通過自一致性聚合的精準率，以獲得參賽團隊試驗解決方案的初步判斷。

第三名，Nokron，AI得分30，4年前加入Kggle。

第四名，Søren Ravn Andersen，AI得分29，10年前加入Kaggle。

第五名，來自浙江杭州的匿名選手，AI得分29，6年前加入了Kaggle。

AIMO2比賽介紹

AIMO是什麼來頭？

這是第二屆AIMO進步獎競賽，第一屆的AIMO進步獎於2024年7月由Project Numina團隊贏得。

這次競賽增加了獎金池，提供了全新的題目資料集，為參賽者提供更多算力支援，並更新了關於使用開源大語言模型（LLM）的規則。

數學推理能力是人工智慧發展的關鍵里程碑，也是解決許多複雜問題的基石，例如工程奇蹟或複雜的金融模型。

然而，目前的人工智慧在這方面的能力還比較有限。

人工智慧數學奧林匹克（AIMO）是一個總金額高達1000萬美元的基金，旨在激勵開發能夠與國際數學奧林匹克（IMO）頂尖人類選手錶現相當的開源AI模型。

本屆競賽包含110道數學題目，涵蓋代數、組合數學、幾何和數論。

相較於第一屆，題目難度有所提升，大約達到國家奧林匹克競賽的水平。

這些題目也被設計為「對AI來說特別難」，需要較強的數學推理能力，並且已經針對當前開源大語言模型的能力進行了測試。

為了避免訓練資料與測試資料混淆的問題，競賽採用了由國際解題團隊創作的全新數學題目。

評估方式

參賽者的提交將根據預測結果與真實答案（ground-truth labels）的精確率進行評估。

簡單來說，排名依據是預測答案與真實答案之間完全匹配的比例。

在這場比賽中，每個真實答案都是0到999之間的整數。

獎項設定

本次競賽總獎金達到了211.7152萬美元

排名前五團隊的獎金：

• 第一名：26.2144萬美元
• 第二名：13.1072萬美元
• 第三名：6.5536萬美元
• 第四名：3.2768萬美元
• 第五名：1.6384萬美元

總體進步獎：

• 總體進步獎將頒發給在公開和私有測試集上均獲得至少47/50分的最高排名團隊。
• 在前五名獎金分配後，剩餘的獎金將全部頒發給總進步獎得主。
• 如果某團隊獲得總體進步獎，獎金將至少為158.9248萬美元。
• 如果本屆競賽沒有團隊獲得總體進步獎，剩餘獎金將滾入下一屆競賽，獎金額度和分配規則保持不變。

代碼要求

提交必須透過Notebook完成。提交按鈕在提交後啟動需滿足以下條件：

• CPU Notebook執行階段間≤ 9小時
• GPU Notebook執行階段間≤ 5小時
• 停用互聯網訪問
• 允許使用免費且公開的外部資料，包括預訓練模型
• 提交檔案必須透過API生成

（新智元）