上海东谈主工智能履行室（上海AI履行室）结伴团队近日公布了一项面向奥赛级科学推理的新后果：他们冷漠一套通专交融教师决议，并基于30B-A3B架构构建出科学推理模子SU-01。在悉数不调用外部器具、作假行代码、不依赖专用标记求解器的纯当然话语推理条目下，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适度。SU-01在径直生成时获得57.6%，经推理阶段膨胀升迁至70.2%，权贵卓越同尺寸模子，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均获得35分，进步金牌线。其中，USAMO 2026第三题拿到满分，而该题悉数东谈主类选手的平平分仅为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，模子得分相似卓越金牌线。

这一施展背后，是上海AI履行室“通专交融”理念的径直考据：奥赛级科学推理不一定需要超大范围模子，也无须为数学、物理等学科分袂搭建繁琐的专用系统。通过长入的教师指标、奖励诡计以及“生成—考据—修正”推理机制，一般尺寸的模子也不错在数学解释、物理推导等高难度任务中酿成可复用的群众级推理能力。

量度团队将这一过程诡计为“先塑造行径，再膨胀能力”的后教师闭环，分三步递进完了——

第一步是行径塑造。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释、检查假定和开荒缺欠，把“严谨解释”的行径范式植入模子。

第二步是能力强化。经过200步两阶段强化学习：第一阶段升迁径直求解能力，第二阶段引入解释级奖励模子，使模子不仅“答对”，更学会给出完满、可磨砺的推理过程。

第三步是推理膨胀。濒临奥赛级辗转时，模子最先多轮“生成—考据—修正”轮回，将教师阶段学到的自考据与自修正行径延长至长程解释搜索中。

评测适度直不雅反应了这套措施的有用性。在解释质地基准ProofBench上，SU-01径直生成得分为57.6%，经推理膨胀后升迁至70.2%，2026FIFA世界杯中国官网权贵优于同尺寸模子，并接近Gemini-3.1-Pro等前沿模子的施展。

更值得暄和的是其长程推理能力：在USAMO 2026的解题过程中，模子单次生成解释的中位长度达到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，大略抓续进行进步十万词元量级的有用推理，把计较资源相合用于构建逻辑、定位缺欠和完善论证。

USAMO 2026推理阶段膨胀经由中不同看成的生成长度散布

在与东谈主类选手的径直对比中，SU-01相似招揽住了“地狱难度”的锻真金不怕火。USAMO 2026东谈主类选手平平分8.59分，中位数仅6分；第三题平平分更是低至0.01分，无一东谈主进步5分。SU-01正是在这谈题上拿到满分，诠释它的推理能力并非靠苟简题目拉高分数，而是果然具备攻克超高难度解释题的实力。

除数学奥赛外，量度团队还将AMO-Bench、FrontierScience等基准纳入评测范围。适度败露，归拢套解释搜索、考据和修正机制不错径直移动到物理建模以及更无为的科学推理任务上，展现出跨学科复用价值。这恰正是通专交融相较于垂直领域定制系统的中枢上风。

据悉，这一使命也络续了上海AI履行室2024年冷漠的通专交融时刻架构SAGE（智者）。SAGE包含基础模子、交融协同与探索进化三个线索，其中交融协同层正经动态互助直观式“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的施展，正是这种想路在奥赛级科学推理上的落地。

SU-01教师与推理经由，以一般尺寸30B-A3B推理骨干为基础，轨范经过监督微调、两阶段强化学习和推理阶段膨胀，使模子酿成解释搜索、自我考据和多轮修正能力

量度团队以为，科学发现是对智能的终极锻真金不怕火，亦然考据通专交融的舞台。当AI大略像科学家一样进行严谨、长程且可自我考据的想考时，就向“AGI for Science”的指标更近了一步。

【上海AI履行室科研进展】

AI动手，石墨“增厚”三倍！我国科研团队“造”出200微米高质地单晶石墨

“书生”跨界造胶：高纯度、高一致、高效力2026世界杯官网入口，这种芯片中枢材料能适当量产了