בעולם שבו AI צריך לפתור בעיות מתמטיות מורכבות במהירות ובדיוק, חוקרים מציגים את Nemotron-Math – מערך נתונים ענק עם 7.5 מיליון מסלולי פתרון. המערך כולל רמות חשיבה גבוהה, בינונית ונמוכה, עם או בלי שילוב כלי Python (TIR). זה מאפשר אימון מודלים מתקדמים יותר, ומבטיח תוצאות מדהימות כמו 100% דיוק ב-AIME 2024 ו-2025.
Nemotron-Math נוצר בעזרת מודל gpt-oss-120b, ומשלב 85 אלף בעיות מתחרויות AoPS עם 262 אלף שאלות ממקורות קהילתיים ב-StackExchange-Math. השילוב הזה יוצר מגוון רחב: בעיות מובנות מתחרויות לצד שאלות אמיתיות מהעולם האמיתי. לפי החוקרים, המערך עולה על OpenMathReasoning בביצועים על בעיות AoPS תואמות.
המערך משפר משמעותית את העמידות וההכללה, במיוחד על HLE-Math, תוך שמירה על דיוק גבוה במבחני תחרויות מתמטיות. הערכות מבוקרות אישרו את איכותו הגבוהה. בנוסף, פותחה אסטרטגיית דלי רציפה (sequential bucketed) שמאיצה אימון ארוך-הקשר של 128K טוקנים ב-2-3 פעמים, ללא אובדן דיוק משמעותי.
לעומת מערכי נתונים קיימים, Nemotron-Math מציע פיקוח איכותי יותר עם סגנונות חשיבה מגוונים, מסלולים ארוכים ושילוב כלים יעיל. זה חיוני לאימון מודלי שפה גדולים (LLMs) שמתמודדים עם חשיבה מתמטית. בישראל, שבה סטארט-אפים רבים מפתחים AI למדעים מדויקים, המערך הזה יכול להאיץ פיתוחים מקומיים.
Nemotron-Math פותח אפשרויות חדשות לעסקים: שיפור כלים אוטומטיים לפתרון בעיות מתמטיות בתעשיות כמו פיננסים, הנדסה ורפואה. מנהלי טכנולוגיה צריכים לבדוק כיצד לשלב אותו באימון מודלים פנימיים. מה תהיה ההשפעה על הדור הבא של AI מתמטי?