记录一次“top负1”比赛经历

获奖啦！

比赛题目：中文语义病句识别与纠正挑战赛
比赛链接：https://challenge.xfyun.cn/topic/info?type=identification-and-correction&option=phb

“请介绍你们团队”

“各位评委老师，我是来自WOT团队的选手AMBT，口号是将中文语义病句识别与纠正提升到新高度”

“你们参加比赛的初衷是什么？”

“为了中文自然语言处理崛起而奋斗”

“请AMBT务实一点”

“为了参赛拿奖金买坦克”

“请介绍你们解决问题的思路”

“我们将中文语义病句识别与纠正分成【识别】与【纠正】两个流水线任务，先识别出哪些是病句，然后对病句进行修正。识别是否病句基于传统预训练模型+是否为病句进行二分类微调，修正基于端到端以及LLM进行微调，生成病句纠正之后的正确句子”

文字过多，下面直接贴图了：

“你们比赛思路确实很全面，恭喜你们团队获得第一”

醒醒吧！

某日下午，“叮叮叮”，“叮叮叮”，“叮叮叮”，扭头一看桌面上手机响了，接了电话。

“请问你是来自中文语义病句识别与纠正挑战赛的top1团队是吧”

“对，请问你是”

“赛题方审核结果是存在违规使用其他标注数据行为，直接取消比赛成绩”

“请问赛题方检测出什么了”

“你们使用了2022年数据的标注”

后来扯皮了很久，后来苦苦婆心解释了一达通，就是直接取消成绩，对，就是这么残忍。

因为比赛规则里面确实规定了禁用额外标注数据，主办方说取消成绩也只能强忍头皮认了。

感触！

• 为什么会使用2022年的数据。

一个是没注意到比赛规则。另外一个就是大家可以翻一番这两个比赛任务和主办方是一样的，所以一开始做任务1的时候就理所当然用了去年数据：
2023年比赛链接：https://challenge.xfyun.cn/topic/info?type=identification-and-correction&option=phb
2022年比赛链接：https://challenge.xfyun.cn/topic/info?type=sick-sentence-discrimination

为什么有同样格式的、同样比赛任务、同样出题方的数据，能提升效果为啥不能用呢？是学术倒退还是野鸡反噬？是选手眼瞎还是规则严厉？

都不是！可能就是太“理所当然了”，太小看一个国内比赛剧本精彩程度了！

自己在复现方案里面如实提到了，也不是故意使用的，下面就是提交的复现说明。后来和他们沟通，重新跑一次没有使用去年数据的模型提交也不行，就是直接取消成绩！主办方应该是从这里看到的吧。

• 主办方与选手的关系

主办方到底有没有认真去复现选手的代码？

结合以往经历选手辛苦准备的从1GB到20GB代码和权重有没有去看过，更有甚者选手准备的百度云文件他们下载次数为0？

主办方确实可以拿着一个规则否定选手几个月的付出，这个时候选手略显苍白无力

你在键盘巧了几百字，几十行微信消息，可能被别人搪塞一句“我和主办方沟通了，确实不行”，其实是不是她下班回家，懒的管你？

• 选手应该怎么保护自己呢

仔仔细细看好规则，在规则下玩比赛。

野鸡有野鸡的玩法，用平常心态对待比赛，不要拿Kaggle视角对待国内比赛

记录证据，比赛和微信等相关，互联网是有痕迹的？

国内比赛还是挺香的，恰钱是不是挺香的，权衡利弊下好好想想怎么做到高性价比

比赛过程中的隐性利益冲突很多，学会躲避

国内倒霉蛋!

记一次很有趣的数据挖掘竞赛答辩经历