{"url":"https://runzos.com/nomos-1-nous-research-2o-lugar-putnam-2025/","slug":"nomos-1-nous-research-2o-lugar-putnam-2025","contentType":"artigo","intent":null,"title":"Nomos-1 da Nous Research alcança 2º lugar no Putnam 2025","metaDescription":"Nomos-1, IA open-source de 30B parâmetros, marca 87 pontos no Putnam 2025, ficando no 2º lugar e avançando a pesquisa matemática com IA.","publishedAt":"2025-12-11T12:02:35.000Z","updatedAt":"2025-12-11T12:02:35.000Z","contentText":"A Nous Research lançou o Nomos-1, IA open-source que marcou 87/120 no exame Putnam 2025, competindo com quase 4 mil humanos. Modelo híbrido de 30B parâmetros com new reasoning harness Segunda melhor pontuação estimada do exame Open-source disponível no Hugging Face para pesquisadores Custo computacional alto limita uso em larga escala Lide A Nous Research, em parceria com a Hillclimb AI e pesquisadores independentes, lançou recentemente o Nomos-1, uma inteligência artificial open-source com 30 bilhões de parâmetros focada em resolução de problemas matemáticos complexos. O modelo alcançou uma pontuação de 87 de 120 no William Lowell Putnam Mathematical Competition 2025, uma das provas universitárias mais desafiadoras do mundo, disputada por quase 4 mil estudantes. Detalhes Técnicos e Inovação O Nomos-1 utiliza um sistema híbrido derivado do modelo Qwen3 e foi extensivamente treinado com provas do Putnam, priorizando rigor lógico sobre velocidade. Inovação chave: Reasoning Harness , uma ferramenta que estrutura o processo de resolução em duas fases — múltiplos agentes autônomos resolvem e criticam os problemas; depois, um sistema de torneio com eliminação dupla seleciona a solução final. Parâmetros ajustados (temperature=0.6, top_p=0.95) balanceiam criatividade e rigor durante a argumentação lógica. Desempenho Relevante Com 87 pontos , o Nomos-1 teria ficado em 2º lugar no Putnam 2024, perto do vencedor que marcou 92 pontos. A pontuação média humana é de 20 a 30 pontos, e o modelo acertou nota máxima em 8 dos 12 problemas. O modelo supera versões anteriores, como Qwen3 (24 pontos) e GPT-4 Turbo (<15 pontos), com uma vantagem de mais de 200% em relação ao modelo base. Limitações e Controvérsias O treinamento em conjuntos anteriores do Putnam gera críticas sobre possível extrapolação de padrões ao invés de criatividade matemática genuína. O custo computacional para resolução é elevado, cerca de US$ 1,20 por prova , inviabilizando uso massivo. O sistema pode falhar em problemas com enunciados ambíguos ou menos estruturados. Preocupações éticas apontam risco de dependência de IAs por estudantes, ameaçando a formação do raciocínio crítico matemático. Impactos Fututos e Usos Práticos A ferramenta é aberta para pesquisadores, exigindo infraestrutura robusta (GPU ≥48GB VRAM). Aplica-se em P&D financeiro para modelagem quantitativa com suporte adicional para cálculo simbólico. Embora IA avance, humanos seguem imprescindíveis para criação e interpretação dos problemas.","category":{"name":"Novidades","slug":"novidades"},"tags":[],"author":{"name":"Maicon Ramos","slug":"maicon_ramos"},"faq":[]}