Serendipity
d0bbb8f3e2
- baseline infer.py + requirements.txt + build_env.sh - GRAB / HSTU 两篇核心论文 - 比赛规则和提交接口说明 - 项目 CLAUDE.md
2.2 KiB
2.2 KiB
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
- 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：
-
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：
6.5M11.3M 参数
-
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）
- 模型量化 — FP16/INT8，Paddle-TensorRT
- Flash Attention — 减少注意力显存和计算
- 算子融合 — 减少 kernel launch 开销
- 序列精简 — 压缩/裁剪冗余历史 token
- 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 |
|---|---|---|---|---|
| - | - | - | - | - |