僅有的輔佐作業是 ：選擇要提交的測驗內容 ，這是一個在o1根底上針對編程使命進行強化學習微調的專用模型 。包括 ：

• 為每個子使命生成10000個候選解
• 根據模型自生成的測驗用例對解法進行聚類和排序
• 結合學習到的評分函數來挑選終究提交的50個計劃

雖然投入了很多工程技巧 ，是o3的3倍
。與銅牌坐失良機 。他們整合了幾個強壯的推理模型 ，生成候選程序，不論是成果仍是辦法上都和上一年構成鮮明對比