竞赛 / 2020 – 2026
名次,带凭证。
只列能对应到排行榜或提交记录的成绩。较早的条目是历史记录;2026 年的 Kaggle 条目还在进行中,不宣称奖牌。
01 / 成绩
部分竞赛。
有用的产出不是证书,而是方法、失败的方式,以及下次会改的地方。
| 年份 / 赛事 | 任务 | 方法 | 结果 |
|---|---|---|---|
| 2026Kaggle · Name That LLM | 把段落归到 18 种模型变体的归属任务。 | TF-IDF 基线 → 特征、SVM 与层级实验 → Qwen3-1.7B LoRA,配合 prompt 级切分与 seed 检查。 | 190k 条段落;数据清洗带来 +0.026 balanced accuracy。 研究笔记 ↗ |
| 2026Kaggle · Physical-Engineering's Last Exam | 为 85 个结构、土木、电气与机械长程工程任务构建自主 agent harness。 | 最小 WebSocket harness;每任务硬时间预算;带文档冲突扫描的输入摘要;BM25 条文检索;IFC 碰撞与连通性检查器。 | 5 个开发任务两轮均值 0.38,单任务 ¥0.49。说明文撰写中,不宣称名次。 研究笔记 ↗ |
| 2026Kaggle · Gemma 4 Developer Agent | 把 Gemma 4 后训练成能自主修改真实仓库的软件工程 agent。 | 静态提交包;思考预算、每任务时间上限与工具消融;编辑与代码图工具;复现公开集成栈。 | 自研 harness 公开分 0.18;复现公开栈 0.664。无名次。 |
| 2026Kaggle · Gemma 4 Prompt Optimization | 在固定的评测 harness 上做 prompt 优化。 | 多轮 notebook 迭代、主题抓取、公开的 Dockerfile,以及反复提交。 | 进行中。不宣称名次或奖牌。 |
| 2020中国大学生保险数字科技挑战赛 | 基于脱敏字 ID 与词 ID 的对话意图识别。 | Word2vec 128d,Transformer + BiLSTM,用 focal/F1 混合损失应对类别不平衡。 | 总排名第 14 · 华东赛区第 4 · macro F1 0.29306。 |
| 2020天池 · 饿了么骑士行为预估 | 预测 COVID-19 疫情期间骑手的下一步行为。 | LightGBM,加入波次、订单与距离特征,在公开基线之上扩展。 | 45 / 102 · 线上分数 0.751。 |
| 2020腾讯广告算法大赛 | 从稀疏的广告交互行为反推受众基础属性。 | 匿名交互特征;初赛提交,完整方法未保留。 | 初赛 Rank 51 / 1k+ 队伍。 |
说明历史成绩按当时的记录展示。当前的 Kaggle 条目不宣称排行榜位置。
02 / 收获
竞赛改变了什么。
三个从排行榜上留下来的习惯,也让游戏那边做得更顺。
01
对齐指标
macro F1、balanced accuracy 和线上分数奖励的行为并不相同。按指标来选损失和切分,别按排行榜传说。
02
先做切分
prompt 级切分和 seed 检查抓到的泄漏,比再换一个模型更多。干净的阴性结果也是信息。
03
留下失败
没复现的特征、没起作用的损失,都是结果的一部分,也是最经用的面试素材。