上海东说念主工智能实验室（上海AI实验室）聚首团队近日公布了一项面向奥赛级科学推理的新限度：他们提议一套通专会通老师决策，并基于30B-A3B架构构建出科学推理模子SU-01。在整个不调用外部器用、不试验代码、不依赖专用象征求解器的纯当然话语推理条款下，这一模子在数学和物理双学科奥赛评测中均达到金牌水平。

IMO-Bench所含ProofBench限度。SU-01在平直生成时获取57.6%，经推理阶段膨胀升迁至70.2%，显耀卓绝同尺寸模子，并接近Gemini 3.1 Pro Thinking等强闭源模子

在第66届国外数学奥林匹克（IMO 2025）和2026年好意思国数学奥林匹克（USAMO 2026）中，SU-01均获取35分，进步金牌线。其中，USAMO 2026第三题拿到满分，而该题通盘东说念主类选手的平中分仅为0.01分，最高分不到5分。在2024年和2025年国外物理奥林匹克（IPhO）评测中，模子得分相同卓绝金牌线。

这一推崇背后，是上海AI实验室“通专会通”理念的平直考证：奥赛级科学推理不一定需要超大范畴模子，也无谓为数学、物理等学科划分搭建繁琐的专用系统。通过和解的老师目标、奖励联想以及“生成—考证—修正”推理机制，一般尺寸的模子也不错在数学解说、物理推导等高难度任务中造成可复用的大家级推理才略。

相关团队将这一过程联想为“先塑造举止，再膨胀才略”的后老师闭环，分三步递进完了——

第一步是举止塑造。期骗约33.8万条高质地解题轨迹进行反向困惑度课程监督微调，让通用模子学会何如组织解说、检查假定和培植粗心，把“严谨解说”的举止范式植入模子。

第二步是才略强化。经过200步两阶段强化学习：第一阶段升迁平直求解才略，第二阶段引入解说级奖励模子，使模子不仅“答对”，更学会给出齐全、可练习的推理过程。

第三步是推理膨胀。濒临奥赛级勤勉时，模子运转多轮“生成—考证—修正”轮回，将老师阶段学到的自考证与自修正举止延长至长程解说搜索中。

评测限度直不雅反应了这套设施的有用性。在解说质地基准ProofBench上，SU-01平直生成得分为57.6%，经推理膨胀后升迁至70.2%，博亚体育app官网入口显耀优于同尺寸模子，并接近Gemini-3.1-Pro等前沿模子的推崇。

更值得护理的是其长程推理才略：在USAMO 2026的解题过程中，模子单次生成解说的中位长度达到10.6万个词元，修正阶段也长达8.3万个词元。这意味着一个30B量级的通用模子，大意抓续进行进步十万词元量级的有用推理，把缱绻资源鸠集用于构建逻辑、定位粗心和完善论证。

USAMO 2026推理阶段膨胀经由中不同四肢的生成长度散布

在与东说念主类选手的平直对比中，SU-01相同经受住了“地狱难度”的考验。USAMO 2026东说念主类选手平中分8.59分，中位数仅6分；第三题平中分更是低至0.01分，无一东说念主进步5分。SU-01正是在这说念题上拿到满分，诠释它的推理才略并非靠浅易题目拉高分数，而是实在具备攻克超高难度解说题的实力。

除数学奥赛外，相关团队还将AMO-Bench、FrontierScience等基准纳入评测范围。限度泄露，团结套解说搜索、考证和修正机制不错平直迁徙到物理建模以及更平方的科学推理任务上，展现出跨学科复用价值。这恰正是通专会通相较于垂直边界定制系统的中枢上风。

据悉，这一责任也无间了上海AI实验室2024年提议的通专会通期间架构SAGE（智者）。SAGE包含基础模子、会通协同与探索进化三个档次，其中会通协同层精良动态合营直观式“快想考”与逻辑性“慢想考”，通过精准奖励和智能体自进化，决定何时泛化、何时专精。SU-01的推崇，正是这种想路在奥赛级科学推理上的落地。

SU-01老师与推理经由，以一般尺寸30B-A3B推理骨干为基础，按次经过监督微调、两阶段强化学习和推理阶段膨胀，使模子造成解说搜索、自我考证和多轮修正才略

相关团队合计，科学发现是对智能的终极考验，亦然考证通专会通的舞台。当AI大意像科学家一样进行严谨、长程且可自我考证的想考时，就向“AGI for Science”的目标更近了一步。

【上海AI实验室科研进展】

AI入手，石墨“增厚”三倍！我国科研团队“造”出200微米高质地单晶石墨

“书生”跨界造胶：高纯度、高一致、高服从博亚体育app官网入口，这种芯片中枢材料能富厚量产了