没有找到匹配的竞赛
可以尝试平台、方向或竞赛标题
竞赛工作页
KDD Cup 级别的 LLM 应用挑战，需要多任务学习和大模型调优经验，不适合新手。
建议下一步
先判断这场是否适合你现在的阶段，再决定要不要投入时间。
新手分
12/100
分数越高，越适合作为当前阶段的真实起点。
学习价值
90/100
衡量这场比赛能不能真正教会你可迁移的方法。
预计投入
40-80 小时
用它判断这场比赛是否适合你当前的时间预算。
Metric
以官方页面公布的评分规则为准
如果你还解释不清这个指标，通常说明还需要先做准备。
有 LLM 微调和多任务学习经验的研究者或高级工程师。
如果下面这些前置项还很陌生，先补准备通常比直接参赛更划算。
Python
LLM 微调经验
多任务学习
云计算资源
真正的难点通常不是“会不会调包”，而是验证、时间分配和任务理解。
需要同时优化多个不同类型的任务，模型选择、prompt 设计和推理效率都是关键瓶颈。
这篇指南是最合适的前置阅读，可以先把基本策略走通。
用一个简单框架选到真正能学到东西、而不是一上来就被劝退的比赛。
先用这些信息快速做判断，再决定要不要继续深入。
报名状态尚未核实，投入前先到官方页面确认是否还能加入。
登录后可以保存竞赛并建立自己的候选列表。
最终规则、文件、提交方式和 deadline 仍然以官方页面为准。
以下竞赛与当前竞赛方向或难度相近，可以一起对比。
AIcrowd
Baidu AI Studio
把已确认、待核对和人工审核状态分开看；最终规则与截止时间以官方页为准，发现错误欢迎提交纠错。