Nemotron-Cascade 2 : Post-formation de modèles de langage de grande taille par Reinforcement Learning en cascade et distillation sur politique multi-domaines

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

March 19, 2026

Auteurs: 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

Résumé

Nous présentons Nemotron-Cascade 2, un modèle ouvert de type MoE de 30B avec 3B paramètres activés, qui offre des capacités de raisonnement de premier ordre et de fortes compétences agentiques. Malgré sa taille compacte, ses performances en raisonnement mathématique et en programmation approchent celles des modèles ouverts de pointe. C'est le deuxième LLM à poids ouvert, après DeepSeekV3.2-Speciale-671B-A37B, à atteindre des performances de niveau Médaille d'Or aux Olympiades Internationales de Mathématiques (OIM), aux Olympiades Internationales d'Informatique (OII) et aux finales mondiales de l'ICPC en 2025, démontrant une densité d'intelligence remarquablement élevée avec 20 fois moins de paramètres. Par rapport à Nemotron-Cascade 1, les avancées techniques clés sont les suivantes. Après un SFT sur un jeu de données soigneusement constitué, nous étendons considérablement le RL en Cascade pour couvrir un spectre beaucoup plus large de domaines de raisonnement et agentiques. De plus, nous introduisons une distillation sur politique multi-domaines à partir des modèles enseignants intermédiaires les plus performants pour chaque domaine tout au long du processus de RL en Cascade, ce qui nous permet de récupérer efficacement les régressions sur les benchmarks et de maintenir de solides gains de performance en cours de route. Nous publions la collection des points de contrôle du modèle et des données d'entraînement.

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.