Nemotron-Cascade 2: Nachträgliches Training von LLMs mit Cascade Reinforcement Learning und Multi-Domain On-Policy Distillation

Nemotron-Cascade 2: Post-Training LLMs with Cascade RL and Multi-Domain On-Policy Distillation

March 19, 2026

Autoren: Zhuolin Yang, Zihan Liu, Yang Chen, Wenliang Dai, Boxin Wang, Sheng-Chieh Lin, Chankyu Lee, Yangyi Chen, Dongfu Jiang, Jiafan He, Renjie Pi, Grace Lam, Nayeon Lee, Alexander Bukharin, Mohammad Shoeybi, Bryan Catanzaro, Wei Ping

cs.AI

Zusammenfassung

Wir stellen Nemotron-Cascade 2 vor, ein offenes 30B-MoE-Modell mit 3B aktivierten Parametern, das erstklassige Reasoning-Fähigkeiten und starke agentische Fähigkeiten bietet. Trotz seiner kompakten Größe nähert sich seine Leistung im mathematischen und programmierspezifischen Reasoning der von führenden offenen Modellen an. Es ist das zweite Open-Weight-LLM nach DeepSeekV3.2-Speciale-671B-A37B, das eine Goldmedaillen-Leistung bei der Internationalen Mathematik-Olympiade (IMO) 2025, der Internationalen Informatik-Olympiade (IOI) und dem ICPC World Finals erreicht, und demonstriert damit eine bemerkenswert hohe Intelligenzdichte bei 20-mal weniger Parametern. Im Gegensatz zu Nemotron-Cascade 1 sind die wichtigsten technischen Fortschritte wie folgt. Nach dem SFT auf einem sorgfältig kuratierten Datensatz erweitern wir das Cascade RL erheblich, um ein viel breiteres Spektrum an Reasoning- und agentischen Domänen abzudecken. Darüber hinaus führen wir eine domänenübergreifende On-Policy-Distillation von den stärksten intermediären Lehrer-Modellen für jede Domäne während des gesamten Cascade-RL-Prozesses ein, was es uns ermöglicht, Benchmark-Regressionen effizient auszugleichen und dabei starke Leistungssteigerungen beizubehalten. Wir veröffentlichen die Sammlung von Modell-Checkpoints und Trainingsdaten.

English

We introduce Nemotron-Cascade 2, an open 30B MoE model with 3B activated parameters that delivers best-in-class reasoning and strong agentic capabilities. Despite its compact size, its mathematical and coding reasoning performance approaches that of frontier open models. It is the second open-weight LLM, after DeepSeekV3.2-Speciale-671B-A37B, to achieve Gold Medal-level performance in the 2025 International Mathematical Olympiad (IMO), the International Olympiad in Informatics (IOI), and the ICPC World Finals, demonstrating remarkably high intelligence density with 20x fewer parameters. In contrast to Nemotron-Cascade 1, the key technical advancements are as follows. After SFT on a meticulously curated dataset, we substantially expand Cascade RL to cover a much broader spectrum of reasoning and agentic domains. Furthermore, we introduce multi-domain on-policy distillation from the strongest intermediate teacher models for each domain throughout the Cascade RL process, allowing us to efficiently recover benchmark regressions and sustain strong performance gains along the way. We release the collection of model checkpoint and training data.