上海东说念主工智能实验室（上海AI实验室）结伙团队近日公布了一项面向奥赛级科学推理的新后果：他们提议一套通专和会老师决策，并基于30B-A3B架构构建出科学推理模子SU-01。在整个不调用外部用具、不施行代码、不依赖专用秀气求解器的纯当然言语推理条目下，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欺压。SU-01在奏凯生成时获得57.6%，经推理阶段推广普及至70.2%，显赫卓绝同尺寸模子，并接近Gemini 3.1 Pro Thinking等强闭源模子

在第66届海外数学奥林匹克（IMO 2025）和2026年好意思国数学奥林匹克（USAMO 2026）中，SU-01均获得35分，跨越金牌线。其中，USAMO 2026第三题拿到满分，而该题扫数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年海外物理奥林匹克（IPhO）评测中，模子得分相通卓绝金牌线。

这一发扬背后，是上海AI实验室“通专和会”理念的奏凯考证：奥赛级科学推理不一定需要超大范围模子，也不消为数学、物理等学科永别搭建繁琐的专用系统。通过结伙的老师缱绻、奖励瞎想以及“生成—考证—修正”推理机制，一般尺寸的模子也不错在数学泄漏、物理推导等高难度任务中变成可复用的人人级推明智商。

谈判团队将这一过程瞎想为“先塑造行为，再推广智商”的后老师闭环，分三步递进达成——

第一步是行为塑造。期骗约33.8万条高质料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泄漏、查验假定和树立罅隙，把“严谨泄漏”的行为范式植入模子。

第二步是智商强化。经过200步两阶段强化学习：第一阶段普及奏凯求解智商，第二阶段引入泄漏级奖励模子，使模子不仅“答对”，更学会给出好意思满、可考试的推理过程。

第三步是推理推广。面临奥赛级周折时，模子入手多轮“生成—考证—修正”轮回，将老师阶段学到的自考证与自修正行为延迟至长程泄漏搜索中。

评测欺压直不雅响应了这套要领的有用性。在泄漏质料基准ProofBench上，SU-01奏凯生成得分为57.6%，经推理推广后普及至70.2%，亚搏官方网站显赫优于同尺寸模子，并接近Gemini-3.1-Pro等前沿模子的发扬。

更值得眷注的是其长程推明智商：在USAMO 2026的解题过程中，模子单次生成泄漏的中位长度达到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，无意执续进行跨越十万词元量级的有用推理，把推断资源集合用于构建逻辑、定位罅隙和完善论证。

USAMO 2026推理阶段推广经过中不同手脚的生成长度散布

在与东说念主类选手的奏凯对比中，SU-01相通罗致住了“地狱难度”的熟习。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，无一东说念主跨越5分。SU-01正是在这说念题上拿到满分，证据它的推明智商并非靠通俗题目拉高分数，而是真确具备攻克超高难度泄漏题的实力。

除数学奥赛外，谈判团队还将AMO-Bench、FrontierScience等基准纳入评测范围。欺压流露，归拢套泄漏搜索、考证和修正机制不错奏凯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。这恰正是通专和会相较于垂直畛域定制系统的中枢上风。

据悉，这一使命也赓续了上海AI实验室2024年提议的通专和会本领架构SAGE（智者）。SAGE包含基础模子、和会协同与探索进化三个档次，其中和会协同层认真动态合作直观式“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的发扬，正是这种想路在奥赛级科学推理上的落地。

SU-01老师与推理经过，以一般尺寸30B-A3B推理骨干为基础，按序经过监督微调、两阶段强化学习和推理阶段推广，使模子变成泄漏搜索、自我考证和多轮修正智商

谈判团队以为，科学发现是对智能的终极熟习，亦然考证通专和会的舞台。当AI无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”的缱绻更近了一步。

【上海AI实验室科研进展】

AI动手，石墨“增厚”三倍！我国科研团队“造”出200微米高质料单晶石墨

“书生”跨界造胶：高纯度、高一致、高效用亚搏官方网站，这种芯片中枢材料能稳重量产了