# 百度商业AI技术创新大赛 — 生成式推荐广告排序推理性能优化

## 比赛信息

- **全称**: 百度商业AI技术创新大赛 (CTI) 2026
- **赛题**: 生成式推荐广告排序推理性能优化
- **主办**: 百度商业 / 百度飞桨 / NVIDIA 技术合作
- **平台**: [AI Studio](https://aistudio.baidu.com/competition/detail/1461)
- **大赛官网**: http://cti.baidu.com
- **奖池**: ￥19W（含 NV-DGX-Spark）
- **报名截止**: 2026/06/26 11:59:59
- **夏令营决赛**: 2026年7月（4天3晚，包交通食宿）

## 赛题核心

给定基于 Transformer 的生成式推荐广告排序模型（GRAB），在**不改变模型结构、不在测试集上训练**的前提下，极致优化推理性能。

### 双门槛评分

| 维度 | 要求 | 不达标后果 |
|------|------|------------|
| 推理效率 | 纯推理 ≤ 5min，环境构建 ≤ 20min | 总分 0 |
| 策略效果 | AUC ≥ 0.65，PCOC ∈ [0.85, 1.15] | 总分 0 |

### 提交格式

`xxx.zip` 包含：
- `infer.py` — 推理入口脚本
- `build_env.sh` — 环境构建脚本
- `requirements.txt` — Python 依赖
- 可选：打包的 Python 环境、量化后的模型文件等

**注意**：不要包含数据集文件夹，不要修改模型权重参数

### 约束

- 组网不可进行策略性改动
- 不可对测试集进行训练
- 每天最多提交 10 次

## 技术背景

基于两篇核心论文：

1. **GRAB** (百度, 2026) — 比赛 baseline 模型
   - arXiv: 2602.01865
   - 核心：CamA 多通道注意力 + STS 两阶段训练
   - 模型规模：~6.5M~11.3M 参数

2. **HSTU** (Meta, 2024) — GRAB 的架构基础
   - arXiv: 2402.17152 (ICML 2024)
   - 核心：Pointwise Aggregated Attention + 算子融合
   - 比 FlashAttention2 Transformer 快 5.3~15.2 倍

## 推理优化方向（按优先级）

1. **模型量化** — FP16/INT8，Paddle-TensorRT
2. **Flash Attention** — 减少注意力显存和计算
3. **算子融合** — 减少 kernel launch 开销
4. **序列精简** — 压缩/裁剪冗余历史 token
5. **多通道合并** — CamA 通道剪枝或共享

## 提交记录

| 日期 | 提交次数 | 得分 | 优化手段 | 备注 |
|------|----------|------|----------|------|
| - | - | - | - | - |