Norwin YuAI 使用研究
EN AI 使用研究

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。

07 条记录NLP · 广告 · 物流 · prompt 优化 · agent 评测第 14 名45 / 10251 / 1k+

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。

部分竞赛与成绩
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。