小紅書模型奪IMO滿分金牌

小紅書旗下模型 dots-note-3.0 在國際數學奧林匹克（IMO）級別測試中創下佳績，以滿分六題、每題 7 分的表現通過機器之心官方評閱確認，奪下全數滿分金牌。這項成績顯示模型在數學推理與證明能力上已突破過往瓶頸，並非僅靠答案猜測，而是能產出完整且可驗證的解題流程。據了解，dots-note-3.0 在解題過程中採用「自我糾錯」機制，能反覆檢查證明步驟並修正邏輯漏洞，最終串起嚴謹的證明鏈路，確保每個環節都站得住腳。這也讓它在面對高難度競賽題時，能穩定輸出正確答案，獲得評閱方一致肯定。這項突破的意義，並不只停留在競賽成績的表面。

數學競賽題目往往涉及多步驟的抽象推理，以及對邏輯一致性的極高要求，過去一直是大型語言模型的痛點。dots-note-3.0 這次以滿分通過評閱，等於是向外界展示了模型在高度結構化的推理任務上，已經具備了相當可靠的水準。除了競賽成績，團隊同步推出 VibeAgentBench 評測基準，聚焦長程任務執行能力。此舉被視為從「解題能力」延伸到「真實場景任務」的布局，後續模型在規劃、工具使用與多步驟執行上的表現，將成為新一輪觀察重點。所謂的長程任務，指的是那些無法靠單一指令或單一步驟就完成，而是需要模型在過程中進行整體規劃、適時運用外部工具，並在多個步驟之間保持連貫性的複雜任務。

這類任務的難度，往往比單純回答一道數學題來得更高，也更加貼近真實世界的應用場景。從 dots-note-3.0 的數學滿分，到 VibeAgentBench 的推出，外界普遍解讀這是小紅書團隊從「解題能力」向「真實場景任務」延伸的明確布局。數學競賽驗證的是模型在封閉、嚴謹的邏輯體系中的推理極限；而長程任務執行的測驗，則是在模擬模型進入開放、動態的真實環境後，能否把這套推理能力實際應用在解決繁雜問題上。兩者之間的銜接，恰好構成了 AI 能力從理論走向實務的關鍵路徑。

後續模型的表現會是如何，特別是在規劃能力、工具使用以及多步驟執行這幾個面向上，能否交出與數學證明同樣漂亮的成績單，已經成為這一輪 AI 競賽中新的觀察重點。對於整個業界來說，dots-note-3.0 這次的表現，無疑提供了一個值得深入研究的案例，也為下一代模型在推理與執行能力的整合上，立下了一個更具體的標竿。