第1题：组合词分割

题目概述

组合词（Compounds）指的是由多个短词组成的新词，这在德语里尤为常见。例如：

• Fussball = Fuss（脚）+ Ball（球）

• Autobahnanschlussstelle（高速交叉路口）= Autobahn（高速公路）+ Anschluss（连接）+ Stelle（地点）

任务：将德语句子中的组合词分割成由空格分隔的短词。例如 "Fussballspieler" 应分割成 "Fuss"、"ball" 和 "spieler"。

数据集

• 训练集：94,306条德语组合词及其分割标签（train.json）

• 验证集：11,788条（val.json）

• 测试集：11,789条（test.json）

数据格式为JSON，key为组合词，value为0-1数组，1表示一个词的结束，0表示词的开始或中间。例如：

"Sprachbereich": [0,0,0,0,0,1,0,0,0,0,0,0,1] → 分割为 "Sprach" 和 "bereich"

约束条件

• GPU训练+测试时间不能超过10分钟

• 建议使用 Embedding + 深度学习模型

• 参考：Tesla T4 上 epoch 8~32 次可在10分钟内训练出较好结果

评分细节

F1-score = 2 × Precision × Recall / (Precision + Recall)。预测分词和真实分词在起始和结束位置完全一致才算正确（TP）。总分 = 所有样本F1得分的算术平均值。A榜为验证集得分（可查），B榜为测试集得分（赛后公布，作为最终成绩）。

第2题：化学反应动力学模拟

题目概述

一个典型的金属有机反应 L₂M + D ⇋ L₂MD 实际包含5个基元反应（含可逆和不可逆反应）。题目给出了所有5个基元反应的动力学方程以及描述8种物质浓度随时间变化的差分方程。

反应物的半衰期 t₁/₂ 定义为该反应物浓度减半所需的时间。本题使用 L₂M 的 t₁/₂ 来代表整体反应速率。

下图展示了不同初始条件下各物质浓度随时间的变化曲线：

L初始浓度为0.0时的浓度-时间曲线

L初始浓度为2.5时的浓度-时间曲线

任务

根据每个实验中 c(L₂M)、c(D) 和 c(L) 的初始浓度，预测 L₂M 的半衰期 t₁/₂。

数据集

• 训练集：1000个独立实验的浓度-时间序列数据，每10秒记录一次

• 验证集（A榜）：100个实验的初始浓度

• 测试集（B榜）：412个实验的初始浓度

提示

对化学反应本身分析得越充分，求解越精确。参考方法：基于给出的浓度重新定义"Feature"，再将Feature输入模型训练。由于Feature数比较少，不建议使用太复杂的模型。

评分公式

Score_i = max(0, 1 - ln(1 + 0.1 × |t₁/₂_predicted - t₁/₂_target|)⁵)

总分 = 所有实验 Score_i 的平均值。

第3题：合成语音检测

题目概述

使用 PyTorch 实现深度学习模型，从人类录音中检测合成语音。数据集收集于2019年。

原始音频已转化为梅尔频谱图（Mel Spectrum），以 .pt 格式存储。

梅尔频谱图示例

技术细节

梅尔频率与真实频率的转换关系：m = 2595 × lg(1 + f/700)

转换参数：采样率 16000 Hz，梅尔滤波器数量 128，帧移 512，FFT窗口长度 1024。得到形状为 torch.Size([1, 128, 94]) 的张量。

数据集

• 训练集：bonafide（真实录音，标签0）和 spoof（合成语音，标签1）两个文件夹

• 验证集/测试集：只有频谱图，没有标签，通过加密环境变量访问

任务

建立一个能区分合成语音和真实录音的模型。可使用 resnet18 或其他 torchvision 模型进行 Fine-tune，也可以自己编写 CNN 模型。

提示

可以把这道题纯当做计算机视觉（CV）题目来做，不用纠结梅尔频谱图的物理实现过程。如果选择比 ResNet18 规模大的模型，需控制训练 epoch 数量。

第4题：宫格图分类

题目概述

设计并训练一个深度神经网络模型，判别输入图像是否为宫格图——一种将多张图片或同一张大图的不同区域通过创意拼贴组合成"格子"效果的图像形式。模型需要在多种拼接布局（规则网格、自由拼贴等）、不同分辨率与压缩质量环境下保持高精度与良好泛化能力。

（以下不是广告🤣）

正样本（宫格图）示例：

负样本（非宫格图）示例：

数据集

• 训练集：1000张图片，RGB，256×256，来自女装和美妆两个类目的商品展示图

• 验证集：100张

• 测试集：400张

关键陷阱

这是一道无监督学习题目。train.csv 中的类目标签区分的是"女装"还是"美妆"，而不是"宫格图"还是"非宫格图"——相当于没有给任何有效标签。选手需要使用无监督学习方法让计算机自动区分宫格图；或者如果时间充足，手动打标签再训练也可以。

任务

使用 PyTorch 搭建模型，自由设计网络结构、损失函数和优化器，输出每张图片的预测标签（0=非宫格图，1=宫格图）。