第三届琶洲算法大赛丨琶洲算法大赛赛题“顶天”“落地”深度解读

5月30日下午，在华南理工大学（大学城校区）计算机科学与工程学院，第三届琶洲算法大赛华南赛区宣讲会在此举办。今年的大赛紧抓AI大模型、AIGC行业热点，设置算法优选赛、创新应用赛、AI大模型挑战赛三大赛事组别，并联合龙头企业、科研机构，面向全球5大赛区设立14道赛题。

“我们今年在赛题设置上下了很大功夫，涉及领域与最先进的算法发展方向、产业实际发展相结合，可以‘顶天’也可以‘落地’。”中国信息通信研究院两化所工业大数据总监赵志海如是形容此届琶洲算法大赛赛题特征。

第三届琶洲算法大赛的赛题透露出什么产业需求新趋势？参赛者又该如何作答？宣讲会现场，部分出题方代表分别就赛题出题背景和要求等作出了详细的解读。有意参赛的选手可别错过。

寻求智能排产调度算法

满足降本增效与客户个性化需求

今年算法大赛的算法优选赛得到了中国人工智能学会、吉利汽车、京东零售、美的集团和亚马逊云科技的大力支持，将围绕视觉识别、智能驾驶、物流优化、供应链优化和生物医药等领域提供专业的行业数据集和指导。

宣讲会现场，来自美的集团美云智数公司AI算法资深专家梁礼欣解读了“离散制造行业车间智能排产调度”赛题，该赛题出自美云智数的产品之一——数字供应链。

“排产”即在有限的资源内合理分配资源，让每个工单满足优化目标。梁礼欣介绍，随着市场需求的变化，目前客户想要更多个性化、差异化的产品，这就要求生产端小批量、多品种的订单增多，给排产带来了很多问题与挑战。然而，仅靠过往的经验和规则，很难满足新的发展要求，很多企业目前迫切需要智能排产调度算法。同时，企业想提升核心竞争力，降本增效是一个永恒的话题，排产作为供应链的中间环节，对降本增效至关重要。

本次赛题设置的目标，就是把所有工单排在合适的机械上。“每个工单在每台机器的开始和结束时间会受一定约束，每个工单都会有很多机器可以选择，需要通过算法为其选择合理的机器。”梁礼欣指出，这道赛题和业界研究的柔性作业车间问题类似，但存在若干不同之处，例如业界研究的柔性车间作业问题没有考虑工作日历的情况，有些工单排不下就不可以排。数据包括产品需求、工艺路线、切换时间和瓶颈物料数据，为参赛者提供了丰富的信息。

在评分指标方面，初赛阶段主要依据交付率评分、均衡生产评分、转产时间评分作为总评分，决赛则在此基础上增加了算法运行时间的评分，以更贴近实际生产环境。“我们期望能够发现优秀的智能排产调度算法，帮助企业提升排产效率和核心竞争力，同时期待更多有志之士加入我们，共同推动离散制造行业的智能化发展。”梁礼欣说。

联手推出GigaVision挑战赛

对算法提出更高要求

在创新应用赛赛组，中国人工智能学会联合GigaVision 挑战赛组委会，基于一系列视觉智能前沿问题的研究，提出了“十亿像素级视觉智能”算法赛题。值得一提的是，GigaVision 挑战赛作为全球首个针对大场景、多对象及复杂关系问题的智能算法比赛，去年吸引了全球超1000支队伍踊跃参与，今年与第三届琶洲算法大赛强强联手，有望再创新高。

“人工智能的发展离不开数据、算法和算力，过去一直由数据的发展推动算法的发展。”GigaVision挑战赛出题方代表现场介绍了“十亿像素大场景轨迹预测挑战赛”赛题。他表示，过去，他与团队在成像技术上取得了突破，创建了PANDA数据集，实现了亿级数据到十亿像素的图像通量，并探索新一代人工智能算法。

“十亿像素图像中的人群密度高，每张图至少包含300个目标，对算法提出了更高要求。”表示，此赛题聚焦于轨迹预测任务，GigaVision数据集覆盖四万平方米范围，适用于城市商圈、机场等场景，要求算法预测行人未来30秒的轨迹。

今年，GigaVision 挑战赛提供了16个场景的数据集，介绍称，前8个为训练集，后8个为测试集，评价指标主要为ADE和FDE。参赛者需预测行人未来30秒60帧的轨迹，并预测三条轨迹。在此赛题中，个人或三人内团队均可参赛，但不得使用不同赛道的十亿像素数据。

设立政务服务大模型训练赛

优化政务问答效果

AI大模型挑战赛作为今年一大创新探索，围绕成熟落地的大模型应用开设AI大模型产品赛，与“中国法研杯”联合合作推出司法行业大模型训练赛，并特邀广州市政务服务和数据管理局设立政务服务大模型训练赛，聚焦应用层面考验大模型及其背后的算法水平。

随着人工智能不断演进和发展，它已渗透到政务服务领域。此次政务服务大模型训练赛是利用大模型语义理解、信息提取、问答生成等能力，为政务办事咨询场景提供对话式交互能力支撑。

华为政务一网通军团解决方案架构师刘建澜带来了“政务服务行业大模型挑战赛”赛题解读。据介绍，比赛围绕盘古大模型展开，选手可以通过数据工程以及RAG检索增强策略、提示词工程等多种技术方式融合，提升政务服务行业大模型问答效果。

比赛中，官方会提供三种类型数据：办事指南、政策材料，以及FAQ，也就是政务服务领域相关单位的问题和答案。参赛队伍需针对办事指南、政策材料和FAQ等数据集进行深度处理，通过数据清洗、搜索调优、prompt编写和接口开发等步骤，优化政务问答效果。

此外，评测流程也十分严格，以问答效果评价和检索效果两个评价维度，对参赛队伍大模型的回答质量和准确性进行全面考量。问答效果评价关注意图识别、准确性和全面性，确保回答能够精准理解用户意图，内容准确且全面。同时，检索效果评价则通过TOP3 Hits准确性等指标，评估检索的精准性。

值得注意的是，此赛题的初赛着重考察技术方案和案例的创新性与完整性；复赛则通过实际调用接口获取答案进行评分；决赛以答辩形式进行，综合复赛成绩和答辩表现，选拔出最终优胜者。

聚焦法院、律所等机构痛点

推动法律类人工智能发展

为探索大语言模型在法律行业的应用前景，智谱AI、深圳数据交易所、安硕信息在今年度大赛上推出“GLM 法律行业大模型挑战赛”。（注：GLM是智谱AI推出的基座模型。）

宣讲会上，深圳数据交易所AI业务主管王吴越对“GLM 法律行业大模型挑战赛”赛题进行解读。他指出，在当今人工智能和大模型日益发展的背景下，法律领域面临着诸多实际应用问题，急需借助先进技术解决。因此，GLM法律行业大模型挑战赛是一场为了提高和检验参赛者工程化落地能力的竞赛，以期推动法律类人工智能的发展。

本次比赛聚焦法院、律所等机构的痛点问题，要求选手使用GLM-4大模型制定技术方案，利用LLM的语义理解和函数调用能力，提供高效、准确的法律服务。其中，数据集涵盖了上市公司信息、法律场景数据等，参赛者需根据这些数据判断公司运营情况和法律风险。

此外，在中级题和高级题当中，选手需根据任务难度编排Workflow或Agent模块，通过多次调用接口获取所需信息。对于法律领域的复杂查询，还需将机器返回的结果整理成“法言法语”，提高可读性和适用性。同时，比赛还设置了结果得分和语义得分两个评测指标，全面评估选手基于大语言模型的问答能力。

值得注意的是，初赛期间，每天提供三次提交机会，复赛则增加至五次。决赛将以线下或线上答辩形式进行，综合评估选手的技术思路、理论深度和答辩表现。

考察选手产品能力

深入思考解决社会问题

活动现场，王吴越也对“大模型产品赛”的进行解读。“在考察同学们的代码能力的同时，产品能力即解决方案能力也是考验大家的又一指标。”王吴越表示，随着大模型技术的快速发展，该技术正成为加速形成新质生产力的重要途径，为千行百业赋能。

“本赛题的核心考察要点，即大模型应用产品的创新性、实用性、商业性、社会效益及答辩表现。”会上，王吴越分享了的两个智能体案例——京味译法器和数据黄金矿工智能体。

“京味译法器”通过大模型技术，将晦涩难懂的法律条文翻译成地道的北京话，可在法律普及服务、咨询平台、教育机构、社区法律服务等场景中运用。“数据黄金矿工智能体”则利用大模型的“完形填空”能力，抓住了数据成为重要生产要素，以及今年试行“数据资产入表”的新形势，为数据资源挖掘应用场景价值，为企业相关负责人提供《数据应用场景分析报告》的写作。

这两个案例不仅展示了大模型技术的实际应用价值，也为参赛者提供了参赛的灵感和方向。王吴越表示，参赛者需要深入思考如何解决社会问题、创造商业价值、确保产品落地可行性，并评估其可能产生的商业效果，努力打造下一个引领行业发展的“独角兽产品”。

END

微信号｜琶洲算法大赛

报名通道｜（点击进入报名通道）

 （LOGO&吉祥物征集通道）