【数据科学赛】FT-Data Ranker：大语言模型微调数据竞赛 #￥25000 #数据为中心 #NLP

CompHub[1] 最新的比赛会第一时间在群里通知，欢迎加群交流比赛经验！（公众号回复“加群”即可）

---

以下内容由AI辅助生成，可能存在错误，可进入比赛主页[2]查看更多(文末阅读原文)

比赛题目

FT-Data Ranker：大语言模型微调数据竞赛

比赛主办方

本次比赛的主办方是阿里云，联合承办方为魔搭社区。

比赛背景

在大语言模型（LLM）的能力构建中，数据起到了至关重要的作用。然而，如何更好地构建和处理数据集对LLM社区来说仍模糊不清。为了推动以数据为中心的基准竞赛，独立、精确地评估和提升数据集质量，以加速形成基准驱动的数据开发流程，增强社区的LLM数据处理能力并加深对数据质量和数据优化的理解。

比赛关键词

比赛关键词包括自然语言处理、计算机视觉、图像分类等。

比赛时间安排

• 报名与组队：即日起—2023年11月1日18:00，UTC+8

• 第一阶段：2023年10月13日10:00-2023年11月4日18:00，UTC+8

• 第二阶段及最终排名：2023年11月6日10:00—2023年11月10日18:00，UTC+8

• 最终榜单公布：2023年11月13日

• 提交技术报告：2023年11月18日

比赛奖项设置

本次比赛奖金共计5万元人民币现金奖励，分为冠军、亚军、季军和优胜奖共四个奖项，奖金数额分别为12000元、8000元、5000元和颁发获奖证书。

赛题题目详情

比赛主要关注fine-tuning数据，参赛者需清洗、过滤和增强指定原始数据集，并利用新数据集按照指定流程对指定模型进行微调，最终在测试集上进行性能排名。比赛采用Data-Juicer作为核心基建，提供系统化、可复用的内置算子、专用工具和数据处理“菜谱”，以帮助参赛者理解候选数据集，并提供多维度的自动评估功能。

AI帮忙：解题思路

参赛者需要关注如何直接处理数据，以获得更佳排名。可以通过Data-Juicer提供的内置算子和工具来针对候选数据集进行清洗、过滤和自动化数据增强。在第一阶段，选手可以提交结果文件进行实时评测，并根据评测结果进行调优。在第二阶段，选手需要上传处理后数据训练的模型，并根据最终提交的模型进行私榜评测。要注意准备代码开源，确保比赛的公平和透明性。

参考资料

[1] 

CompHub: https://comphub.notion.site/CompHub-c353e310c8f84846ace87a13221637e8

[2] 

比赛主页: https://tianchi.aliyun.com/competition/entrance/532158