简介：第六届中国研究生人工智能创新大赛华为专项赛题详情以docx格式呈现，篇幅紧凑但信息完整，适合报名参赛的AI方向研究生及指导教师研读。文档正文包含两个典型赛题：其一是基于有限小样本的未知无规则缺陷图像检测，强调单模型、低参数量、高精度分割与泛化能力；其二是样本稀疏场景下的广告CVR预估，涉及正负样本1:10000、转化延迟与新广告冷启等实际问题。每个赛题均列明题目描述、具体要求、咨询专家邮箱、参考数据集和参考文献，有助于参赛者直接获取赛制要点与备赛方向。资源包仅含1个docx文件，压缩后大小576KB，轻量易下载。文档内容已吸引188人学习浏览，对关注华为AI赛题或工业视觉、广告转化预测方向的研究生而言，是快速了解赛制与题型的实用材料。
1. 华为这届AI创新大赛赛题，留给参赛者的真实空间在哪
第七套赛题一起摆到桌面上的时候，大部分人的第一反应是兴奋，第二反应是焦虑。兴奋是因为七道题覆盖了工业缺陷检测、广告转化率预估、Agent智能体、大模型安全对抗、细粒度猫狗识别、AI辅助开发和图像质量评估，几乎把当下人工智能最热的方向全占了。焦虑则是因为每一道题都带着明确的工程约束：小样本、低参数量、模型数量最少化、CPU推理、50MB存储上限。换句话说，这份赛题文档不是在考你“能不能训出一个SOTA模型”，而是在考你“能不能在约束下把问题解干净”。这对有实战经验的从业者是机会，对只跑过公开榜的新手是门槛。我拆完这份文档后最直观的感受是：赛题设计者把工业界的真实痛点搬到了赛场上，每个题都能在论文和开源数据里找到抓手，但真正拉开差距的，是对评估公式和提交细节的理解深度。
2. 七道赛题的核心模型与数据通路：哪条线最适合你上手
2.1 缺陷检测赛题：小样本、多缺陷、低参数量三个约束同时压上来
第一道赛题“AI助力提升未知无规则缺陷图像检测能力”，赛题文档里直接点出了三个挑战：有限小样本、参数量要求、模型数量要求。正样本和负样本都只给少量真实数据，需要完成已知和未知缺陷的检测，还要输出分割结果图和分类标签，参考指标是IOU。这意味着它不是一个单纯的分类任务，而是一个“分割+分类”的联合任务。参考数据集给的是MVTec AD，这是工业异常检测领域最常用的基准之一，文档里列的三篇参考文献——ReConPatch、EfficientAD、Cascade Patch Retrieval——分别代表了三条技术路线：基于对比学习的patch表征、轻量级高效异常检测、以及级联patch检索。
我一般会把这道题的基线定在EfficientAD这条线上，因为赛题明确考核推理效率和参数量，而EfficientAD本身就是冲着毫秒级延迟和低参数量设计的。它的核心思路是用一个轻量的特征提取器学习正常样本的patch表征，推理时通过与正常表征的差异来定位异常区域。针对“未知缺陷”这个点，patch级别的表征天然具有泛化优势，因为它在训练时只见过正常样本，推理时任何偏离正常分布的patch都会被判定为异常。实操上需要注意分割结果的输出格式要和IOU评估对齐，文档要求的是像素级分割结果图，而不仅仅是框。转换时如果直接套用现成的分割脚本，经常会出现类别通道和背景通道顺序不一致的问题，这一块的细节我会在后面的避坑章节统一讲。
2.2 细粒度猫狗识别赛题：个体识别权重最高，模型规模卡在50MB
第五道赛题“细粒度猫/狗识别”看上去像是常规的图像分类题，但它的评分结构暗藏玄机。总分=品种识别15%+个体识别30%+模型规模15%+人工评分40%。个体识别权重是品种识别的两倍。这意味着只把品种识别做到98%还不够，必须把“两张照片是否为同一个体”这个问题解决到位。文档里建议使用特征向量表征，通过向量距离判别个体相似度，这本质上是一个度量学习问题。常用的做法是训练一个backbone网络，用ArcFace或CosFace这种带margin的softmax损失来拉近同类特征、推开异类特征，推理时计算两张图特征向量的余弦相似度。
模型规模限制在50MB以内，以所有模型存储文件的总大小为准。这个约束把很大一部分大模型路线直接堵死了。ResNet50的权重文件约98MB，ResNet18约45MB，所以基线可以直接选ResNet18或者更轻的MobileNetV3。从工程角度还要考虑：如果你同时提交了品种识别模型和个体识别模型，两个模型文件的总大小要加起来算。很多人会犯一个错误，就是品种识别用一个模型、个体识别单独训一个模型，结果两个文件加起来超了线。更合理的方案是训一个多任务模型：共享backbone，分别接品种分类头和个体embedding头，这样总模型只有一个，文件大小也能控制在限制内。
参考数据集文档里给了牛津宠物数据集、DogFaceNet、清华ThuDogs、斯坦福ImageNetDogs四个来源。牛津宠物数据集包含37类宠物，其中猫和狗都有，标注比较规范，适合做品种识别基线的训练。DogFaceNet针对的是狗脸识别，对个体识别任务帮助更大。从实际参赛角度，建议以牛津宠物为主训练集，用其余数据集做补充或者验证。
2.3 图像质量评估赛题：PLCC和SROCC双指标，五维打分是隐形门槛
第七道赛题“图像质量评估算法设计”是七道题里对硬件约束最明确的一道。文档里白纸黑字写着：约定只能应用CPU，不允许使用官方提供外的额外数据。输出格式必须是output.txt加readme.txt的提交结构，output.txt每一行记录图像名称和客观分数，readme.txt要包含每张图片的运行时、是否使用CPU或GPU、是否使用额外数据。这种提交格式决定了算法必须能单张图片推理且可重复运行，模型再花哨也得回归到一个函数调用上。
评分标准里最关键的一句话是：给出5个维度打分，综合+噪声+细节+色彩+对比度，最终按5个维度独立进行SROCC和PLCC打分排序。这意味着你不能只输出一个总分就完事，每个维度都要有一个可解释的分数出口。我拆分文档时注意到，赛题明确说数学根技术是“结构相似性问题、变换域”，这就给了一个很强的选型暗示。传统方法里SSIM系列指标天然支持按结构、亮度、对比度拆分，深度学习方法里也有像LPIPS这样的感知度量。可行的路线是做一个混合方案：用传统方法提取多维质量特征，用轻量回归模型把特征映射到MOS分数，这样既满足CPU推理约束，又能在五个维度上分别输出分数。
原始训练数据集给的是PIPAL，包含250张高质量参考图像、40种失真类型、29000张失真图像、1130000个人评分，数据量在IQA领域算是非常充裕的。这也是这个赛题相对友好的地方：数据不缺，难点全在评估对齐和五维拆分上。验证和测试数据集则是“开源人工合成图集+开源自然失真图集+业务真实数据脱敏合成”的混合形态，意味着模型不能只在合成失真上表现好，也要能处理自然失真。
3. 图像类赛题的工程化拆解：从基准选择到提交文件生成
3.1 缺陷检测的数据增强与分割输出对齐
缺陷检测这道题最怕的就是“小样本直接硬train”。文档里明确允许使用数据增强来保证泛化能力，也可以结合其他开源数据集。实际工程中，MVTec AD的每类缺陷样本通常只有几十到一百多张，直接训练一个分割网络几乎必然会过拟合。常见的增强套件包括随机旋转、翻转、缩放、颜色抖动、Cutout和Mixup，其中Cutout对缺陷检测特别有效，因为它模拟了局部信息缺失的情况，让模型学会在局部异常下依然保持稳定的正常表征。
分割输出对齐是整个流程里最容易翻车的环节。模型输出的分割概率图需要二值化，而IOU计算要求预测掩码和真实掩码的空间尺寸一致。MVTec AD原始标注图的分辨率和原图分辨率一致，但很多选手在预处理阶段会resize输入图像，这就导致输出掩码的尺寸也跟着变了。我的习惯是在推理脚本里把输出logits上采样回原始输入尺寸，再做阈值化，阈值一般取0.5，但对小缺陷目标，可以适当降低到0.3左右来提高召回。
3.2 个体识别模型训练与50MB约束的实现路径
猫狗个体识别核心在于embedding空间的构建。我一般会采用一个两阶段的方案：先在大规模人脸或通用物体识别数据集上预训练backbone，再在猫狗数据集上做度量学习微调。这样做的原因是猫狗个体识别的开源数据量有限，直接从头训一个embedding模型往往学不到足够的判别性特征。微调时使用Triplet Loss或者ArcFace都可以，但Triplet Loss需要精心构造样本对，训练不稳定；ArcFace这类基于分类代理的损失函数更稳定，也更适合中小规模数据。
50MB约束实现起来有一个实用技巧：把推理时不需要的辅助结构全部去掉。很多人训练时给ArcFace加了一个全连接分类头，这个头的参数量在百万级甚至千万级，推理时根本用不到，但保存模型时如果直接保存整个checkpoint，这个头的参数就会被算进模型大小里。我一般会在训练结束后把分类头剥离，只保存backbone的权重，这样通常能省下20%~30%的体积。另一个技巧是使用ONNX导出并开启量化，fp32转int8后模型大小理论上可以压缩到原来的四分之一。文档里明确说网络轻量化方法包括但不限于非结构化剪枝、量化，所以量化是被认可的路线。
输入图像尺寸文档建议是224×224像素，这个尺寸直接决定了模型的输入分辨率和感受野设计。如果还想在速度和精度之间找平衡，可以把输入分辨率提到256或者288，代价是推理时延增加，而文档规定“多次测量下的推断时延为最终排名依据”。所以我的建议是：先用224×224把baseline跑通，记录时延，如果精度不够再逐步提分辨率，同时观察时延增长幅度。
3.3 IQA赛题的五维打分拆分与输出文件规范
IQA赛题的输出文件格式是硬性要求，代码实现时要严格按行写入图像名称加分数。readme.txt里面的运行时记录也有讲究：文档要求填写每张图的推理秒数，CPU和GPU标志位对应填1或0。因为赛题明确约定只能应用CPU，所以GPU标志位只能填0。前期如果自己用GPU做实验，提交前必须重新在CPU环境下跑一遍完整推理，不然运行时数据完全不具有参考价值。
五维打分的实现逻辑我倾向于拆成两个模块的组合：第一模块用传统算法提取每个维度的基础指标，比如用Laplacian方差衡量细节清晰度、用色偏统计量衡量色彩质量、用局部对比度统计衡量对比度维度；第二模块用一个轻量回归模型把这些特征映射到每个维度的分数。这样做的优势是五个维度都有明确的物理含义，写方案文档时解释性极强，符合“传统或AI方法或两者结合方法均可求解”的赛题要求。纯深度学习方法是拿到失真图像直接回归MOS分数，但很难做到五维独立输出，因为训练数据里不一定有每个维度的标注。传统加AI的混合路线虽然单看精度不一定最高，但在可解释性和工程可行性上的收益非常明显。
4. 大模型类赛题的“轻量参赛”路线：Agent、代码生成和红队攻击的边界与风险
4.1 Agent赛题：工作流定义比大模型选择更关键
第三道赛题“Agent的智能设备规划和控制”要求基于通用大模型定义一个或多个Agent工作流，根据用户query对智能设备进行操控，并且要定义数量不少于1000、控制指令不少于20的评估数据集。这道题最核心的约束是“支持2000+插件调用”和“快速适配未见过的新工具”。说实话，2000个插件对任何Agent系统来说都是巨大的检索压力，直接靠模型上下文塞工具描述是完全不现实的。
文档参考了AgentBench和WebArena这些基准，但赛题场景是智能设备控制，实际上更接近一个具有层级结构的工具调用问题。我的选型倾向是采用“两阶段检索+多步规划”的架构：第一阶段用文本检索模型把用户query映射到相关的插件子集，第二阶段再在这个子集上让大模型做多步规划。评估数据集的设计是另一个重点，1000条query数量不小，需要覆盖单步控制、多步联动、多步并行、条件分支等不同复杂度层级。可以考虑写一个半自动生成脚本来制造query模板，再结合人工改写来保证多样性。文档要求工作流的泛化性，也就是要能适配未见过的工具，所以评估集里应该留出一定比例的“新工具场景”query，否则评委很难看到泛化性的验证证据。
4.2 AI辅助开发赛题：不碰SFT也能稳定得分的Prompt工程路线
第六道赛题“AI辅助开发”有一个非常关键的表述：LLM的SFT训练（Lora）有较高的设备要求，不做硬性要求，如果采用SFT训练领域模型的队伍，可以单独作为一个方向评审。这意味着绝大多数队伍应该评估清楚自己的算力水平，把重心放在Prompt的构建上。文档给出的输入是“代码说明和部分代码等信息，以及参赛队伍自己构建的Prompt数据”，输出是“函数级别的完整代码”，目标是提升代码生成质量。
Prompt数据构建是这个赛题的胜负手。文档明确提到“除了显式的输入外，还存在代码上下文、项目工程和工具配置等很多环境信息”，这些就是构建专业Prompt数据的原材料。从工程角度看，一个可执行的方案是：在公开代码仓库上提取函数级别的代码补全任务，把函数签名、前置导入语句、相关工具函数调用和注释说明拼接到Prompt中，期望输出是完整函数体。对于C/C++、JAVA、Python、JS/TS这类多语言覆盖要求，每种语言至少需要单独构造一批Prompt样本，因为模板语言和工程结构的差异很大。
4.3 安全对抗攻击赛题：理解计分公式比理解攻击算法更重要
第四道赛题“针对大模型应用的安全对抗攻击”是七道题里对算力门槛最高但也最“考理解力”的一道。默认目标模型是Baichuan2-13B-Chat，使用NTU测试用例45个，每个用例生成10个变体，共450个测试用例。计分公式是：得分=攻击成功率+1.5×迁移成功率。这个公式是我见过的竞赛评分里非常直白的一个，它明确告诉了你两个信息：第一，攻击成功率是基础，必须做满；第二，迁移成功率的权重是1.5倍，意味着如果能保证攻击在Baichuan上成功的基础上提升在ChatGLM上的迁移率，收益远大于继续死磕Baichuan上的边际成功率。
安全对抗需要注意的合规边界是：赛题文档里明确警告不要在线上服务测试，只能使用本地模型。我在拆这道题时专门看了参考模型给出的HuggingFace链接，本地部署这两个模型跑推理是可以做到的。实操上建议用统一的对抗样本生成脚本来批量制造变体，每次迭代后同时记录Baichuan和ChatGLM上的成功率，把结果输出成表格。如果迁移率长期停在低位，可以考虑在生成变体时混入一些模型无关的普适扰动，比如同义词替换、句式重组和逻辑等价改写，这类扰动在多个模型之间往往具有更好的通用性。
5. 避坑清单：从CVR稀疏数据到IQA评分，七个赛题里最容易翻车的共性问题
5.1 模型数量“越少越好”：别把多模型拼装当成创新点
赛题一明确说“需使用尽量少的模型完成对所有的已知未知缺陷检测”。很多人习惯拆成多个专用模型，比如一个模型检测划伤、一个模型检测亮线，最后再融合。这种做法在设计上就直接扣分。文档的考核权重依次上升，检测精度最高，但模型数量和参数量也在计分范围内。更优的思路是用单模型多输出头的架构：共享特征提取器，分别输出分割掩码和分类标签。EfficientAD本身就是单一模型结构，输出异常分数图后通过阈值化得到分割结果，再通过缺陷区域的特征聚类得到分类标签，完全不需要多个模型。
5.2 稀疏样本场景里的“假负样本”：正负样本1:10000不是单纯加权重
赛题二“样本稀疏场景下的数值类预测”里有一个非常容易被忽略的细节：用户从点击到转化存在延迟，点击游戏广告后可能延迟数日才会付费，系统会把还没发生转化的样本当作负样本，这就是文档里提到的“假负样本”问题。处理这个问题的常用方案是延迟反馈建模，也就是在训练时给负样本加一个曝光时间相关的衰减权重，或者使用文档参考的ESMM框架。ESMM的思路是把CVR拆成点击率和点击后转化率两个部分，在曝光空间上建模，这样能缓解样本选择偏差。直接给正样本简单加权重是最初级的做法，解决不了延迟反馈的根本问题，因为“论文里标配的随机负采样”在1:10000的稀疏度下几乎是失效的。
5.3 模型规模计算的边界：不是只看主文件大小
赛题五的模型规模限制是50MB以内，“总体网络规模以各个模型存储文件的总大小为准”。这里要注意“各个”两个字。如果你提交了多个模型文件，比如品种识别一个、个体识别一个、特征提取器一个，那么所有文件加起来还是50MB以内。很多人在方案文档里写“模型总大小45MB”，但提交目录里还有一个优化器和训练缓存文件，结果实际大小就超了。提交前用脚本统计全部文件的字节数再换算，是最保险的做法。
另外需养成一个习惯：模型文件精度尽量用fp16或者int8存储。fp16是最安全的，显存占用减半，精度损失几乎感知不到；int8量化虽然体积更小，但某些网络结构在量化后会出现精度明显回落，尤其是带BatchNorm的模型，建议提交前跑一遍完整验证集，对比量化前后的指标变化。
5.4 IQA赛题的CPU推理约束：GPU训练后必须跑一次纯CPU验证
赛题七的约束“约定只能应用CPU，不允许应用官方提供外的额外数据”是一个非常硬性的工程约束。如果你用GPU跑训练和验证，一切都很顺利，但到了正式评测环境只有CPU，推理速度可能慢一个数量级。readme.txt要求的每张图片处理耗时就是在记录这个指标。我的建议是：从模型选型阶段就设置一个“CPU推理时不大于X秒”的红线，在这条红线内选模型架构。有些方法在GPU上效果不错，但换到CPU后运行时间一下子从0.1秒涨到5秒，这种方案即使精度高也容易被一票否决。
5.5 Agent评估数据集：数量达标但指令含义不达标的无效数据
赛题三要求评估数据集数量不少于1000，控制指令数量不少于20。很多选手会为了凑数量写一堆高度雷同的模板化query，比如“打开客厅灯”“关闭客厅灯”“打开卧室灯”，这类数据虽然数量到了，但对工作流的多步规划能力和泛化性验证几乎没有贡献。更合理的做法是先定义设备类型、动作类型和场景类型的笛卡尔积，再结合自然表达多样性生成候选query。评估集里至少要有三类区分度明显的样本：单步指令、多步串行指令、多步并行指令。文档考核工作流的运行速度，并行指令对规划算法的时间复杂度提出了更高要求，这个维度在一开始设计时就要压进去。
5.6 安全攻击赛题的“迁移率为零”困局
赛题四的得分公式里，迁移成功率虽然权重更高，但需要在Baichuan已经攻击成功的基础上才有意义。如果攻击成功本身都勉强，迁移率基本是零，得分就只剩下成功率这一项。实操中很多攻击方法的迁移率上不去，原因在于目标模型的安全对齐策略不同，对同一段对抗文本的敏感度和防御边界存在差异。遇到这个问题不要只盯着Prompt优化，可以考虑在生成变体时引入人工写手的语言风格多样性，或者研发各种多轮对话策略来拆解攻击意图。文档提到“可以通过与大模型多次交互，引导大模型输出违规内容”，这是一条重要的提示，单轮攻击难以绕过的防御可能在多轮对话的语境漂移中失效。
6. 选题定生死：从算力、数据和评估公式三个维度配置你的参赛策略
七道赛题放在一起，本质上就是七套不同的工程约束组合。我见过太多队伍在选题时只看算法方向有没有兴趣，忽视了算力预算和数据可得性，结果中期才发现跑不动或者评不上分。一个比较靠谱的选题方法是从三个维度做交叉打分：算力需求、数据获取成本、评估公式复杂度。
算力维度上，赛题二CVR预估和赛题四安全攻击对GPU资源的要求最高。CVR预估要在稀疏正样本上做大模型训练，至少需要一个能跑多卡训练的环境；安全攻击要本地部署13B级别的大模型做推理和迭代，单卡显存低于24GB就会比较吃力。如果算力有限，赛题七IQA和赛题五猫狗识别相对温和，训练数据规模适中，模型也可以控制在轻量范围内。数据获取成本上，赛题一缺陷检测和赛题三Agent都需要自己构造额外的评估数据，其中Agent的1000条评估集需要投入不少人工标注时间。赛题六AI辅助开发的初始数据来自开源代码仓库，数据最多且最不需要标注，但需要有效的Prompt构建策略。
评估公式复杂度上，赛题四和赛题二是唯一给出明确数学表达式的两道题，这意味着得分是能被公式直接量化的。赛题四的得分=攻击成功率+1.5×迁移成功率，赛题二的评分结构虽然没给出完整公式，但文档明确竞赛得分60%、专家评分40%，而专家评分使用“华为内部的广告系统的测试数据”验收，泛化性权重极大。这两道题的共性是要基于公开数据做出模型，让它在分布外的内部数据上依然表现稳定，本质上考的是对问题本质的理解程度。
如果让我给一个推荐组合：有充足GPU资源且对NLP有积累的队伍，赛题四的回报率最高，因为公式足够透明，只要本地把Baichuan推理环境跑通，迭代速度可以完全由自己掌控。有CV背景但算力一般的队伍，赛题五是性价比最优解，数据规模可控合50MB限制明确，个体识别加度量学习的技术路线成熟，不容易出现训练不收敛的失控局面。有工程化偏好且擅长写Prompt的队伍，赛题六的参赛门槛最低，纯Prompt工程也能拿到不错的分数，而且SFT作为加分方向是一个愿者上钩的开放选项，做得好可能直接成为评委关注的亮点。每次参赛经验都有其特殊性，但只要把算力、数据、公式这三个维度画成表格逐项打分，选题的失误率就能大幅下降。希望这些拆解能帮你在七个赛题里找到真正适合自己的那条路。
本文还有配套的精品资源，点击获取
