RL训练使Nemotron 3 Nano数学准确率从22%升至91%，花费不到5美元

NVIDIA AI展示使用PrimeIntellect托管RL训练，将Nemotron 3 Nano在数学任务上的准确率从22%提升至91%，总成本低于5美元。工作流程包括基线检查、奖励训练和重新测试，最终输出可下载的LoRA适配器。该方案可通过修改一行代码扩展至Nemotron 3 Super和Ultra。