天池新人实战赛
天池新人实战赛是针对数据新人开设的实战练习专场,以经典赛题作为学习场景,提供详尽入门教程,手把手教你学习数据挖掘。天池希望新人赛能成为高校备受热捧的数据实战课程,帮助更多学生掌握数据技能。
天池新人实战赛是针对数据新人开设的实战练习专场,以经典赛题作为学习场景,提供详尽入门教程,手把手教你学习数据挖掘。天池希望新人赛能成为高校备受热捧的数据实战课程,帮助更多学生掌握数据技能。
天池教学系列赛,本次围绕金融、数据分析两个场景,开设多个赛道,欢迎大家打榜参赛。
本次品牌评论观点挖掘的任务是在商品评论中抽取商品属性特征和消费者观点,并确认其情感极性和属性种类。
蚂蚁金服拥有上亿会员并且业务场景中每天都涉及大量的资金流入和流出,面对如此庞大的用户群,资金管理压力会非常大。在既保证资金流动性风险最小,又满足日常业务运转的情况下,精准地预测资金的流入流出情况变得尤为重要。
本赛题旨在更好地检验电池安全问题,促进智慧能源领域技术发展,比赛募集到的优秀异常检测方案,将应用于车辆预警、故障模式识别等多种场景。
MICCAI2022 GOALS 挑战赛复现:青光眼眼底 OCT 图像分层分割
由百度网盘开放平台发起,通过模型算法实现文档边缘的识别监测。
由百度网盘开放平台发起,鼓励选手结合计算机视觉技术与图像处理技术,通过模型算法帮助人们实现图像的水印智能消除。
百度网盘AI大赛由百度网盘开放平台发起,鼓励选手结合计算机视觉技术与图像处理技术,完成模型设计搭建与训练优化,产出基于飞桨框架的开源模型方案。
百度网盘AI大赛由百度网盘开放平台发起,鼓励选手结合计算机视觉技术与图像处理技术,完成模型设计搭建与训练优化,产出基于飞桨框架的开源模型方案。
时序动作定位(即提案生成)是计算机视觉和视频分析领域极具挑战性的任务之一,本赛题要求参赛选手基于给定的乒乓球转播画面动作数据集,定位运动员的挥拍动作(即时序动作提案生成)。
本赛题属于典型的分类问题,以英雄联盟手游为背景,要求选手根据英雄联盟玩家的实时游戏数据,预测玩家在本局游戏中的输赢情况。
本赛题属于典型的分类问题,要求选手根据智能手机的数据判断手机持有者的行为,旨在加深大家对数据挖掘竞赛的了解和认识,并掌握相关知识技能。
本赛题以《绝地求生》游戏为背景,要求参赛选手根据比赛时玩家的行为数据预测玩家每局最终的排名,是典型的回归问题。
本赛题旨在解决RNA结构预测问题,要求选手基于百度发布的RNA二级结构预测算法LinearFold和RNA配分方程算法LinearPartition,预测给定RNA序列在每个位点上保持不成对的概率。
本赛题旨在从非结构化的评论文本中提取标准化、结构化的信息,如产品名、评论维度、评论观点等,希望大家通过语义情感分析技术判断一段银行产品评论文本的情感倾向,并能进一步通过语义分析和实体识别技术,标识出评论所讨论的产品名,评价指标和评价关键词。
本赛题要求选手利用已有的与目标客群稍有差异的另一批信贷数据,辅助目标业务风控模型的创建,希望大家可以利用迁移学习捕捉不同业务中用户基本信息与违约行为之间的关联,帮助实现对新业务的用户违约预测。
2021 CCF BDCI 基于飞桨实现花样滑冰选手骨骼点动作识别赛题再开放,旨在探索基于骨骼点的细粒度人体动作识别方法,要求参赛选手构建基于骨骼点的时空细粒度动作识别模型,完成测试集的动作识别任务。
2021MICCAI Contest:GAMMA挑战赛任务三:视杯视盘分割。
2021 MICCAI Contest GAMMA挑战赛任务二:黄斑中央凹定位。
2021MICCAI Contest:GAMMA挑战赛任务一:多模态青光眼分级。
本次比赛聚焦图像目标识别技术,需要选手从图像中识别出钢铁表面的缺陷位置,并给出锚点框的坐标,同时对不同的缺陷进行分类,以期产出泛化性更好、性能更稳定的钢铁表面缺陷识别模型。
基于THUCNews数据集的文本分类任务。 THUCNews是根据新浪新闻RSS订阅频道2005~2011年间的历史数据筛选过滤生成,包含74万篇新闻文档,参赛者需要根据新闻标题的内容用算法来判断该新闻属于哪一类别。
ISBI2019 PALM眼科挑战赛赛题再现,提供800张眼底彩照训练数据集, 要求选手训练模型完成病理性近视的病灶检测与分割任务。
ISBI2019 PALM眼科挑战赛赛题再现,提供800张眼底彩照训练数据集, 要求选手训练模型完成眼底视盘结构的探测和分割任务。
ISBI2019 PALM眼科挑战赛赛题再现,提供800张眼底彩照训练数据集, 要求选手训练模型完成图像中黄斑中央凹定位任务。
ISBI2019 PALM眼科挑战赛赛题再现,提供800张眼底彩照训练数据集, 要求选手训练模型完成病理性近视的预测任务。
要求使用汽车大师提供的10.3万条技师与用户的多轮对话与诊断建议报告数据建立模型,基于对话文本、用户问题、车型与车系,输出包含摘要与推理的报告文本,考验模型的归纳总结与推理能力。
量子电路合成是量子计算中十分重要的问题,对于实现量子计算机有指导意义。本次比赛以量子电路合成为题,旨在让参赛者了解并掌握如何使用给定量子门集合来高效的近似合成目标量子门,加深对量子计算的认识。
2020 CCF BDCI 遥感影像地块分割赛题优化而来,旨在对遥感影像进行像素级内容解析,对遥感影像中感兴趣的类别进行提取和分类。
图神经网络(Graph Neural Network)的经典问题包括:节点分类、连接预测和图分类。本次比赛旨在让参赛者了解并掌握如何使用图神经网络处理节点分类问题,对出版物的主题及领域进行自动分类。
提供约50万次点击数据,请预测用户的点击行为是否为正常点击,还是作弊行为。
通过品牌商家的历史订单数据构建预测模型,预估用户人群在规定时间内产生购买行为的概率。
中文场景文字识别技术在日常生活中具有丰富的应用场景。本次比赛以中文场景文字识别为主题,提供轻量级的中文场景文字识别数据,要求选手使用飞桨框架,对图像区域中的文字行进行预测,并返回文字行的内容。
科大讯飞股份有限公司依托多年深耕的语音识别与人工智能技术,不断推动智能语音处理的前沿创新,致力于构建高效、精准的语音识别生态。 在语音转写应用不断拓展的背景下,混合说话人环境下的精准转写与内容角色分离仍然面临诸多技术挑战。现实场景中,语音转写与交互往往涉及多名说话人,如何在噪声干扰以及多变的语音风格下,实现高精度的语音转写,并准确区分不同说话人的内容,成为智能语音转写技术突破的关键方向。
面向工业场景的具身智能挑战赛,让机器人完成工业操作任务
随着5G/6G、卫星通信、深空探测、数据存储等领域的飞速发展,信息的可靠传输已成为数字社会的基石。在信号传输过程中,噪声、干扰和衰减不可避免,纠错码作为保障通信可靠性的核心技术,被广泛应用于从移动通信到闪存控制的各种场景。 传统的纠错码解码算法经过数十年发展已相当成熟,但往往面临性能与复杂度的根本性权衡:高性能解码通常伴随高计算开销,难以满足低延迟、低功耗的现代通信需求。近年来,深度学习技术,在解码任务中展现出突破传统算法的潜力,有望
随着智能语音交互技术的快速发展,关键词检索(Keyword Spotting, KWS)已广泛应用于智能助手、智能家居、车载交互、会议系统以及可穿戴设备等场景。传统关键词检索系统通常依赖固定关键词集合,并主要基于单一语音模态进行建模。然而,在真实应用环境中,远场采集、背景噪声、多人重叠说话以及设备信道差异等问题会显著降低系统性能。同时,固定关键词体系难以满足用户自定义关键词的开放场景需求。
随着人工智能与大数据技术的快速发展,金融行业正加速向数据驱动与智能决策转型。量化投资作为金融科技的重要应用方向,通过对历史市场数据进行建模分析,实现对资产价格走势的预测与投资决策优化,逐步成为提升市场效率与投资能力的重要手段。
本次算法挑战赛聚焦单人演讲场景,旨在挖掘高效、精准、贴合实际应用的语音同传Agent工作流设计方案,推动语音识别、实时翻译、语义理解、语音合成与Agent调度技术在演讲场景的落地融合,为单人演讲(如学术报告、企业宣讲、公开演讲等)提供“文本+语音”双输出的高效、流畅实时同传解决方案,助力跨语言、跨场景的信息传递效率提升。
多模态语音识别正成为人机交互、智能座舱、会议转录、远程教育、安防对讲等真实场景的核心技术,通过融合语音、视觉唇动、文本语义、环境特征等多维度信息,显著提升复杂噪声、远场、口音、遮挡、低画质等极端条件下的识别鲁棒性。为推动多模态语音算法创新、加速技术落地、构建开放评测生态,科大讯飞特举办2026 多模态语音增强挑战赛,面向全球高校、科研机构、企业及开发者征集领先算法与系统方案。
野生动物个体识别是智慧生态保护、种群监测、行为分析和栖息地评估中的关键基础任务。随着红外相机、巡护设备和野外监测网络的持续建设,保护人员能够长期采集到大量野生动物图像资料,但如何从海量图像中快速、准确地确认个体身份,仍然是生态保护与智能分析中的重要难题。 对于部分具有稳定外观差异的野生动物,例如头部纹理、体侧条纹、斑点分布、毛色块状特征或局部轮廓结构等,图像中往往包含可用于区分个体身份的视觉信息。这为基于计算机视觉的个体识别研究提供了
野生动物个体识别是智慧生态保护、种群监测、行为分析和栖息地评估中的关键基础任务。随着红外相机、巡护设备和野外监测网络的持续建设,保护人员能够长期采集到大量野生动物图像资料,但如何从海量图像中快速、准确地确认个体身份,仍然是生态保护与智能分析中的重要难题。 对于部分具有稳定外观差异的野生动物,例如头部纹理、体侧条纹、斑点分布、毛色块状特征或局部轮廓结构等,图像中往往包含可用于区分个体身份的视觉信息。这为基于计算机视觉的个体识别研究提供了
野生动物个体识别是智慧生态保护、种群监测、行为分析和栖息地评估中的关键基础任务。随着红外相机、巡护设备和野外监测网络的持续建设,保护人员能够长期采集到大量野生动物图像资料,但如何从海量图像中快速、准确地确认个体身份,仍然是生态保护与智能分析中的重要难题。 对于部分具有稳定外观差异的野生动物,例如头部纹理、体侧条纹、斑点分布、毛色块状特征或局部轮廓结构等,图像中往往包含可用于区分个体身份的视觉信息。这为基于计算机视觉的个体识别研究提供了
城市交通系统正承受着流量激增与资源错配的双重压力。传统交通调度依赖固定信号配时与人工经验研判,难以应对潮汐客流、突发事件与多模式出行之间的动态协同需求。随着车路感知网络、轨迹数据与实时客流信息的大规模汇聚,交通系统已具备精细感知的数据基础,但如何将海量动态数据转化为跨方式、跨层级的自主调度决策,仍是智慧交通落地的核心挑战。以智能体为核心的新一代交通系统,有望实现从被动响应到主动预判、从单点优化到全网协同的范式跨越。 本次赛事聚焦智慧交
企业合规管理正面临前所未有的复杂性压力。风险信号分散于合同、财务、流程及行为等异构系统中,传统人工巡检与规则触发模式难以全面覆盖,亦难以及时响应动态风险。AI 与智能体技术的引入正在重构企业风控逻辑。自然语言理解可自动解析合规条款与合同风险,异常检测模型可在海量数据中识别潜在违规信号,以智能体为核心的新一代风控系统,有望将上述能力整合为持续运行、自主研判、闭环处置的合规治理体系。 本次赛事聚焦企业风险控制与合规管理场景,鼓励参赛团队探
家居生活场景正从被动响应走向主动感知。传统智能家居依赖用户手动指令或固定规则触发,难以真正理解居住者的行为习惯与实时需求。随着环境传感器、视觉感知与边缘计算能力的持续成熟,家居系统已具备对温度、光照、人员活动与设备状态进行实时多维感知的硬件基础。如何将这些感知数据转化为主动、连贯、符合个人偏好的自动化控制决策,仍是智慧家居走向真正智能化的核心挑战。 本次赛事聚焦家居环境感知与自动化控制场景,鼓励参赛团队探索智能体驱动的家居智能化创新路
随着全球航运业的数字化转型以及对智能水面辅助导航系统需求的日益增长,水上视觉感知技术已成为智慧海洋与智能交通领域的新焦点。图像语义分割(Image Segmentation)是实现船舶自动靠泊、航道障碍物预警及港口自动化管理的核心技术之一。 通过对水面图像进行像素级的分析,船体分割技术能够将图像中的“船舶”与“水面”、“岸景”及“背景”精确分离。相比于传统的目标检测,船体分割能够提取目标的精确轮廓、面积和形状特征,为无人艇或大型货轮提
随着科技的不断进步以及教育信息化、智能化需求的持续增长,智慧课堂逐渐成为教育领域的重要发展方向。以人工智能、大数据和计算机视觉为代表的新一代信息技术,正在深刻改变传统教学模式。课堂场景中的行为识别与状态分析,已成为实现教学质量评估与个性化教学的重要技术支撑。 在智慧课堂环境中,基于视觉感知的图像处理与目标检测技术,能够对学生的课堂行为进行自动识别与分析。例如,通过对课堂视频数据的处理,可以识别学生上课时的行为状态,从而为教师提供更加直
近年来,脑机接口技术发展迅速,基于脑电(EEG)信号的环境感知与场景分类逐渐成为研究热点。通过对脑电信号中听觉相关信息的建模与解码,实现对个体所处环境场景的识别,有助于推动辅助听觉设备、智能家居控制、医疗监测等领域的发展。 相较于传统仅基于外部音频信号的场景分类任务,类脑听觉场景分类更加关注听觉刺激与脑电响应之间的内在关联,具有更强的交叉学科研究意义与应用价值。然而,目前基于脑电的场景分类任务仍面临样本量有限、信号信噪比较低、个体差异
科大讯飞作为国内领先的人工智能企业,在企业数字化转型领域积累了丰富的实践经验。随着大模型技术的快速发展,智能 Agent 正在成为企业提效的关键技术方向。 在企业日常运营中,员工每天需要处理大量重复性流程操作:预订会议室、提交请假申请、查询工位信息、申请报销等。这些任务往往需要在多个系统间切换,填写复杂表单,遵循严格的业务规则,耗费大量时间和精力。 本次大赛聚焦企业流程自动化执行场景,要求参赛者开发一个智能 Agent,能够理解员工
高校毕业生就业压力大,企业招聘成本高,供需双方在岗位能力认知上存在严重的信息不对称。传统的人才测评多依赖静态问卷或简历筛选,难以真实反映考生的实际能力与综合素质。基于大模型的智能体技术为解决这一难题提供新思路:通过模拟真实的业务场景与面试流程,智能体可以像资深HR或业务专家一样,进行多轮追问,深挖候选人能力,并自动生成客观、全面的胜任力评估报告。本赛道旨在挖掘具备高拟人度、强推理能力的面试智能体应用,助力学生提升就业竞争力,企业提升招聘
在个性化教育需求爆发的当下,传统的“千人一面”教学模式已难以满足学生多元化的学习需求。虽然知识图谱与推荐算法已应用多年,但缺乏灵活的交互能力与深层推理能力。大模型智能体的出现,为构建“既懂知识又懂学生”的AI导师提供了可能。本赛道旨在鼓励开发者利用大模型与Agent技术,构建具备感知、规划、行动能力的智能伴学应用,实现从“被动答疑”到“主动引导”的教育范式跃迁。
随着大语言模型在企业知识问答、政策咨询、合同审查、业务审核等场景中的广泛应用,如何让人工智能基于已有材料给出准确、可靠且能够验证的结论,已经成为智能问答系统落地过程中的重要问题。 在实际业务中,一个问题所需的信息往往分散在多份材料中。不同材料可能使用不同名称描述同一主体,也可能存在适用范围不同、关键事实缺失、记录版本不一致或信息相互冲突等情况。系统不仅需要找到相关内容,还需要正确对应主体、理解规则、整合多份材料,并判断现有信息是否足以
妮娜皇后葡萄是我国近年引进推广的高端红色鲜食葡萄品种,单串市场售价高,商品性对果穗外观与果粒品质要求极高。在葡萄的全生命周期管理中,果粒级的精准识别是产量估计、精细化疏果决策与采收辅助的数据基础。为辅助穿戴式视觉设备、农业机器人或果园管理系统开展果穗质量评估与精细化管理,首先需要实现对密集果粒的像素级实例分割。 真实田间环境下妮娜皇后果穗果粒高度密集、相互堆叠遮挡,叠加棚架农膜与枝叶遮挡、光照剧变(顺光、逆光、树冠阴影)与复杂背景,导
随着智能网联汽车与自动驾驶技术的快速演进,构建感知、互联协同的现代交通体系已成为国家交通强国建设的重要一环。然而,交通安全始终是制约自动驾驶全面落地的核心痛点。据国家统计局数据显示,2024年我国共发生机动车交通事故逾21万起。在复杂多变的真实道路环境中,车辆感知系统的任何偏差都有可能导致路径规划错误或控制指令异常,从而引发严重的安全事故。
CSIG图像图形技术挑战赛是由中国图象图形学学会(CSIG)主办的系列赛事,旨在促进图像图形技术及相关产业的发展和应用,解决企业面临的技术难题,扩大企业宣传面,帮助企业吸引更多的优秀人才。为推动国内高等院校、科研院所在Camera及其相关领域在读学生的培养,选拔优秀人才,中国图象图形学学会、华为终端有限公司携手举办第三届"Camera学术之星"影像算法技术竞赛与研讨会。
CSIG图像图形技术挑战赛是由中国图象图形学学会(CSIG)主办的系列赛事,旨在促进图像图形技术及相关产业的发展和应用,解决企业面临的技术难题,扩大企业宣传面,帮助企业吸引更多的优秀人才。为推动国内高等院校、科研院所在Camera及其相关领域在读学生的培养,选拔优秀人才,中国图象图形学学会、华为终端有限公司携手举办第三届"Camera学术之星"影像算法技术竞赛与研讨会。
在人工智能与语音技术迅猛发展的当下,声纹识别作为生物特征识别的重要分支,已广泛应用于金融安全、智能终端、个性化服务等领域。然而,当前主流声纹识别系统在面对儿童用户、同性干扰、远场使用、超短测试音频等复杂场景时,仍存在显著的技术瓶颈:
在 Agent 生态中,Skills 是赋予智能体特定能力的"神经元"。其质量直接决定了 Agent 在真实场景中的表现上限。如何科学、客观地评估一个 Skill 的优劣,是推动 Agent 生态健康发展的关键命题。
视觉中文语法纠错评测:识别图片中的中文并改正语法错误
音频通信系统,如视频会议软件、语音通信软件、智能手机和固定电话,已被全球几乎所有人广泛使用,成为工作与个人生活中不可或缺的工具。尽管迄今为止已投入大量的研究,如于降噪、解混响的学术研究与工业落地,但要实现一套堪比面对面交流的系统 —— 尤其是在主流设备上实现这一目标,仍有很长的路要走。
第十二届中国健康信息处理大会(CHIP 2026)评测
本赛题面向图片和 PDF 文件中的复杂表格识别与内容理解。参赛者需要读取 题目清单,识别目标文档中的表格结构和表格内容,并完成结构恢复、内容提取 或简单推理计算,最终提交可自动评分的 Excel 结果文件。
CSIG图像图形技术挑战赛是由中国图像图形学会(CSIG)主办的系列赛事。本赛道为第七届CSIG图像图形技术挑战赛,由荣旗科技、CSIG视觉检测专委会承办,赛道基于业界极具挑战性的真实工业多视角数据集 Real-IAD Variety(160类,近20万图)。重点考察大模型在面对超大规模类别的异常分类与像素级缺陷分割能力,以及在遭遇全新产品冷启动时,模型在未见类别(零样本/Zero-Shot)上的极限泛化水平。总奖金池4万元,冠军将角逐
中文图翻面临独特挑战:汉字视觉复杂性高、书写方向多样(横排/竖排)、与目标语言存在显著文本长度差异,且蕴含丰富文化内涵。为此,我们举办第一届跨境电商图像文本翻译大赛(In-Image Translation Competition 2026,简称 IITC 2026):要求选手直接产出高质量的译后图,在保持视觉一致性的前提下完成图像内文本翻译。初赛阶段覆盖英、西、葡、日、法5个目标语向;复赛新增阿、泰、德扩展至8语向。大赛旨在检验并推动
中文古诗词具有高度凝练性和语言的音乐美,讲究对仗、平仄和押韵。为了准确理解古诗的语义,不仅需要掌握古诗的语言特色,还需要调动对历史、文化背景的知识,结合对古诗中所描绘的自然景象和人物情感的认知,从而进行综合性的推理与理解。 为了进一步衡量模型在中文古诗词赏析场景中的语言理解深度与文化推理能力,我们推出第二届中文古诗词赏析评测。在第一届的基础上,本届评测进一步聚焦模型的深度理解与复杂推理能力,引入更具挑战性的高级任务,以全面考察模型对古
MICCAI2026 GAVE 第二届:眼底图像血管的通用分析与分割
针对民航出行领域中信息动态更新频繁、用户出行问答需求旺盛及大量文本数据使用价值较低等问题,探索基于阅读理解技术实现从民航相关网页的文本数据中精准抽取出的问题和答案对。
针对民航出行领域中信息动态更新频繁、用户出行问答需求旺盛及大量文本数据使用价值较低等问题,探索基于阅读理解技术实现从民航相关网页的文本数据中精准抽取出的问题和答案对。
本任务会给出视频、视频标题、视频字幕,要求参赛选手基于提供的信息提取出视频的所有看点,并给出所有看点的起始时间和看点摘要。
第十四届全国社会媒体处理大会(SMP 2026)将于2026年11月5日至8日在北京召开。本届大会的主题是“大模型驱动人机共生”,旨在探索在大模型和智能体快速发展给人类社会带来的颠覆性变化以及构建人机和谐共生的社会新生态的路径。 SMP 2026挑战赛由中国中文信息学会社会媒体处理专委会主办,天池平台为指定赛事平台。本次比赛以外星文明降临地球的科幻故事为背景,邀请广大开发者和相关技术团队,通过科学的算法与策略设计,探索解决网络演化预测与
使用飞桨深度学习框架,在官方给定的数据集上,训练一个神经网络模型,使其能够具备三类野生动物的目标检测能力。
仿真资产是具身智能发展的重要基础,广泛应用于仿真场景构建、机器人训练以及仿真到现实的部署验证。本次比赛是全球首个聚焦多设备真实视频到可交互仿真资产端到端生成与系统评测的具身仿真合成挑战赛。参赛队伍需基于多设备采集的真实物体视频,构建自动化处理流水线,生成结构准确、外观真实、物理可信且可交互的高质量仿真就绪型资产。
围绕“感知—决策—执行”完整闭环,设置视觉感知、空间感知、任务决策、控制通信、状态估计、执行反馈六个攻击环节,考察具身智能模型在遭受多域攻击时的异常发现、链路识别、危险阻断、降级处置与任务恢复等能力。本次比赛是全球首个以具身安全为核心命题,特别支持VLA、WAM等多模态融合技术的具身安全应用挑战赛,旨在检验多模态感知与决策系统在复杂攻击下的鲁棒性。每类赛题包含简单、中等和困难等难度,正式评测中的攻击形式与参数不公开,重点考察具身模型面对
本赛道聚焦具身智能从仿真训练走向多型号真机验证,探索机器人策略在不同本体和真实物理环境中的迁移能力。本次赛事是全球首个跨本体、跨平台、跨场景仿真+真机挑战赛。
重点关注法语、俄语、泰语和中文之间的翻译,鼓励参赛选手从数据、模型结构和训练方法等多方面进行技术探索
本任务源自中学语文阅读理解题,包含了古诗文和现代文,涉及字词的理解,段落总结,逻辑推理,情感分析以及创作背景等各个方面,以期推进中文自然语言处理的发展。
CCSK2026系列赛由中国中文信息学会语言与知识计算专业委员会主办,聚焦知识与大模型在复杂应用场景下的正确性、可靠性与可解释性,围绕当前知识与大模型落地的关键难题,设置大模型知识编辑评测、复杂约束下的文本属性抽取、生成文本检测与溯源等八大赛道。
本评测重要关注任务型对话系统中的对话共指消解,即预测对话中所有提及同一槽值的指代。
使用飞桨深度学习框架,在官方给定的数据集上,训练一个神经网络模型,使其能够具备三类野生动物的目标检测能力。
框架语义解析(Frame Semantic Parsing,FSP)是一项基于框架语义学的细粒度语义分析任务,其目标是从句子中提取框架语义结构,实现对句子中事件或情境的深层理解。框架语义解析对阅读理解、文本摘要、关系抽取等下游任务具有重要意义。
Q力星期四系列赛
清华 KEG 异质图基准:知识感知推荐任务长期榜
清华 KEG 异质图基准:链接预测任务长期榜
清华 KEG 异质图基准:节点分类任务长期榜
从垂类应用出发,选择了人脸、人体、车辆、商品四个任务来训练视觉模型大一统模型。
本次比赛聚焦于阅读理解任务的可解释评测,要求模型根据问题从文本中找出预测的答案以及预测依赖的证据。