小红书大模型dots-note-3.0的技术亮点是什么？

在第67届国际数学奥林匹克（IMO 2026）中，小红书自研的dots-note-3.0大模型以42分满分斩获金牌，成为继谷歌Gemini之后全球第二个达到该水平、且唯一满分的AI模型，其技术核心在于纯自然语言推理与递归自我批判机制的深度融合。

一、核心技术创新：递归自我批判（Self-Critique）

1. 三维度循环架构

dots-note-3.0采用Proof（生成候选证明）→ Verify（检验正确性与完整性）→ Refine（针对性改进） 的三步循环框架。在解题过程中，模型会主动进行多轮并行推理、自检、修正，最终输出严谨的证明。

2. 无需形式化语言

与过去依赖Lean等时态逻辑验证系统的方案不同，dots-note-3.0直接读取组委会提供的原始LaTeX题目，完全通过自然语言完成从读题、分析到写证明的全过程。这种端到端的方式对真实复杂问题更具通用性。

3. 自我纠错能力

由于缺乏形式化语言的天然正确性保证，模型必须依靠递归自我批判来“挑自己的错”。这一能力使其在逻辑跳跃、推理漏洞识别上达到专业级水平，六道题均获得7分满分。

二、纯自然语言推理，展现深度理解

1. 端到端智能体执行

dots-note-3.0以Agentic方式运行，将自然语言推理与Python代码计算能力结合，无需人工将题目翻译为中间格式。组委会测试期间严禁任何人工干预，完全依赖模型自主解题。

2. 读题与理解超越人类

模型不仅能正确理解题意，还能识别题目中最本质的难点。CMO金牌得主汪千桐评价其第三题解法“直接攻克了最难、最本质的部分”。

3. 避免模板化解题

模型不依赖预先录入的海量解题模板，而是针对全新难题动态构建证明思路。这使其在应对IMO这样每年出新题的考试中具备真正灵活的推理能力。

三、创新解法：超越标准答案

1. 第三题优雅归纳

人类选手面对第三题通常转向图论连通性处理，dots-note-3.0却采用了一种巧妙且简洁的归纳法。双CMO金牌得主刘涵祚赞扬该解法“结构紧凑、逻辑自然，属于简洁优雅的一类”。

2. 开拓全新论证路径

多项测试显示，模型在多道题上提出了与常规解法不同的创新思路，被冠军选手直呼“优雅”。这不仅证明其算对答案，更展现出创造性思维。

3. 证明整体质量高

专业评阅认为其解答“正确且漂亮”，每步推导严谨无漏洞，综合得分超过金牌线13分之多。

四、轻量级架构与开源生态

1. 最小模型实现最强推理

dots-note-3.0是dots3系列中最轻量级的模型版本。在有限参数量下达成IMO满分，说明其架构效率极高，算法优化水平突出。

2. 即将开源共享

技术团队已明确表示对应模型即将开源。这意味着数学、科研、代码推理等领域的团队可以复用其推理能力，加速行业整体进步。

3. 全栈自研，突破技术壁垒

该模型由小红书技术团队全栈自研，不依赖海外开源框架的“填空式”改进，走出了独立的研发路线，从底层算法到工程优化均实现突破。

五、推理能力验证：数学与代码的双重标尺

1. 行业公认的硬核测试

数学与代码是业界公认的检验大模型真实水平的“试金石”，IMO作为最顶级的数学竞赛，容不得任何语言包装或主观美化。dots-note-3.0的满分成绩直接证明了其底层推理能力达到世界前沿。

2. 与海外模型的对比

谷歌Gemini此前仅答对5/6题，未获满分。dots-note-3.0不仅达成满分，且在部分题目的解法上更简洁创新，充分展现技术领先性。

3. 稳定性优势

在IMO严苛的评分体系下，模型全程无人工干预，六道题稳定输出高水准证明，全盘得7分，稳定性远超众多仅能应付简单推理的模型。

六、未来潜力：不止于竞赛

递归自我批判能力的意义远不止于数学竞赛。在科研、深度分析、策略规划、开放式创作等难以形式化的真实任务中，这种“自我质疑→自我修正”的逼近正确能力，将成为通用人工智能的关键底座。dots-note-3.0的满分金牌，既是阶段性成果，也预示着国产大模型在硬核推理赛道已跻身全球第一梯队。