英伟达推出一款专为复杂推理任务设计的开源模型 — Nemotron-Research-Reasoning-Qwen-1.5B

英伟达近日发布了一款专为复杂推理任务设计的开源模型 —— Nemotron-Research-Reasoning-Qwen-1.5B，该模型参数量为 1.5B，在数学、编程、科学问题和逻辑谜题等任务上表现出色，成为当前同级别中性能最强的推理模型之一。

• 模型：https://huggingface.co/nvidia/Nemotron-Research-Reasoning-Qwen-1.5B

🧠 模型定位与适用场景

这款模型专注于以下几类高难度推理任务：

• 数学问题求解（如AIME、AMC、Math等）
• 编程挑战（CodeContests、Codeforces、HumanEvalPlus 等）
• STEM 科学推理（GPQA Diamond）
• 逻辑谜题与指令遵循（IFEval、Reasoning Gym）

适用于科研机构、开发者和AI研究人员在算法探索、教育辅助、代码生成等领域进行实验与开发。

⚠️ 注意：该模型仅限研究与开发使用，不可用于商业用途。

🔍 ProRL 算法：强化学习的新突破

为了提升模型在复杂推理任务中的表现，英伟达引入了全新的 ProRL（Progressive Reinforcement Learning）算法，其核心目标是通过延长训练周期，挖掘更深层次的推理策略。

ProRL 的三大关键技术包括：

1. 缓解熵崩溃：防止策略在训练过程中过早收敛。
2. 解耦裁剪与动态采样策略优化（DAPO）：提升样本效率和泛化能力。
3. KL正则化与参考策略重置：保持训练稳定性并避免偏差积累。

得益于这些技术，Nemotron 在多个基准测试中显著超越基础模型 DeepSeek-R1-1.5B，甚至在某些任务上的表现接近或超过 DeepSeek-R1-7B 模型。

📊 性能对比：全面领先

表1｜数学领域平均 pass@1 提升显著

相比 DeepSeek-1.5B，平均提升 14.7%

表2｜编程任务表现优异

编程任务平均提升 13.9%

表3｜STEM推理与逻辑谜题表现亮眼

在逻辑谜题任务上提升高达 54.8%

📦 训练数据集开放下载

Nemotron 基于多种高质量推理数据集进行训练，部分数据集已公开提供下载，包括：

• DeepScaleR-Preview-Dataset
• Eurus-2-RL-Data
• Reasoning-gym
• IFEval
• SCP-116K

可通过官方链接访问相关资源。

📄 使用许可与道德声明

本模型采用 CC-BY-NC-4.0 授权协议，仅供非商业用途的研究与开发。

英伟达强调 AI 技术的可信性与责任共担原则，要求使用者在部署模型时遵守服务条款，并与内部团队合作，确保符合行业规范与伦理标准。