Nemotron-Cascada 2: Post-entrenamiento de Modelos de Lenguaje Grandes con Aprendizaje por Refuerzo en Cascada y Destilación On-Policy Multi-dominio

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

March 19, 2026

Autores: 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

Resumen

Presentamos Nemotron-Cascade 2, un modelo abierto de 30B con arquitectura Mixta de Expertos (MoE) que activa 3B de parámetros, ofreciendo capacidades de razonamiento de primer nivel y sólidas capacidades agentivas. A pesar de su tamaño compacto, su rendimiento en razonamiento matemático y de codificación se aproxima al de los modelos abiertos de vanguardia. Es el segundo modelo de lenguaje grande (LLM) de pesos abiertos, después de DeepSeekV3.2-Speciale-671B-A37B, en alcanzar un rendimiento de nivel Medalla de Oro en la Olimpiada Internacional de Matemáticas (IMO) 2025, la Olimpiada Internacional de Informática (IOI) y la Final Mundial de la ICPC, demostrando una densidad de inteligencia notablemente alta con 20 veces menos parámetros. En contraste con Nemotron-Cascade 1, los avances técnicos clave son los siguientes. Tras el Ajuste Supervisado (SFT) en un conjunto de datos meticulosamente seleccionado, expandimos sustancialmente el Refuerzo de Aprendizaje en Cascada (Cascade RL) para cubrir un espectro mucho más amplio de dominios de razonamiento y agentivos. Además, introducimos una destilación *on-policy* multidominio a partir de los modelos docentes intermedios más fuertes para cada dominio a lo largo del proceso de Cascade RL, lo que nos permite recuperar eficientemente las regresiones en los puntos de referencia y mantener fuertes ganancias de rendimiento en el camino. Publicamos la colección del *checkpoint* del modelo y los datos de entrenamiento.

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.