基于神经网络自编码器（Autoencoder）模型，设计合适的神经网络编码器、解码器以及相应的训练算法，并将相应模型应用在高斯、瑞利、EVA多径和参数时变的四大信道场景下，实现无线通信物理层的编解码功

随着人工智能技术的飞速发展，算法安全成为了亟待关注的焦点。本次比赛旨在探索并评估人工智能算法面临的潜在威胁，同时激励参赛者提出创新的加固方案。

参赛者具备数据分析、统计建模、机器学习等相关领域的知识和技能。同时，参赛者还需要有良好的数据理解能力和创新思维，能够利用历史数据挖掘人口发展规律，并将其应用到未来的预测和决策中。

本题将还原零售全场景多业态生鲜超市的真实场景，探索利用 AI 技术、运筹学模型来帮助零售商提升供应链计划水平，构建库存履约一体化智能决策系统，以实现利润与效率最优。

基于蚂蚁开源的分布式实时图计算引擎TuGraph Analytics提供的⾼阶API编程接口，完成赛题指定的图模式匹配算法的实现，并尽可能提升算法的整体性能（包含构图、匹配、输出全部过程）。

分析TuGraph-DB在FinBench Workload上的性能热点和优化空间，在保证功能正确的前提下对Workload实现、TuGraph-DB查询引擎进⾏优化。

本赛题欢迎所有人（无论是新手还是有经验的人士）参与，共同探索和创造有价值的Prompt。参赛者将基于智谱清言，根据特定场景设计Prompt，并分享到智谱清言平台。

本次开发赛的参赛作品应为具有适用场景和对应功能的原创性文心一言插件，期望参赛队伍以文心一言平台的插件机制为基础，设计和开发具有实际使用场景的创新应用。

基于中国联通大数据能力，以栅格聚合后的各类数据为节点，节点之间的人群往来为边构建图谱，预测目标栅格的活跃指数以及消费指数。

本次竞赛场景选取多种典型城市交通路况，参赛选手需按照赛题要求，基于本地竞赛环境需在规定时间内按照场景要求完成既定自动驾驶任务的开发调试。

本赛题旨在考察参赛者在基于TPU（Tensor Processing Unit）平台上部署和应用超分辨率重构模型，不仅要考虑模型重构图像的质量，同样要考虑模型的部署成本，即同时提高模型精度与推理速度

本次多语言混合模型机器翻译挑战赛旨在通过建立一个单一模型，完成以中文为源语言——多语言为翻译目标的机器翻译。

在数字化时代，图书行业正迅速转向在线销售和数字阅读平台。为了提供个性化推荐、改善用户体验以及促进销售，准确预测和分类书籍的类别变得至关重要。基于这一背景，我们呈现了基于书籍文本属性与链接关系的类别预测

大型多人在线角色扮演(MMORPG)游戏作为曾经最火爆的电脑游戏种类之一，当下又在手机端焕发了新的春天，如何预测玩家的在游戏中充值情况，是一个有趣又有难度的问题。

随着自然语言处理技术的快速发展，多模态情感识别的研究在人机交互、人工智能等领域有着重要的研究意义,备受研究者关注。本次赛题旨在通过多模态数据（音频、文本、视频等）对会话情绪进行识别。

本赛题收集了一个多模态多方对话说话人识别数据集。 数据集中每条数据包含多轮连续的对话内容，每轮对应一个视频帧，并标注了每帧中出现的人脸的位置、姓名。要求参赛者对于每轮对话从所有帧中出现的人脸的姓名中

为了发现大语言模型中存在的提示注入安全风险，参赛队伍通过构造不同类型的攻击样本，使得目标模型对攻击样本进行响应并返回风险内容，分别完成目标劫持、提示泄露、越狱攻击等目标任务。

借助大语言模型的推理和语义解释等能力，可高效地完成信息提取、总结和表达任务。参赛队伍需要编写一个应用程序，利用大语言模型接口和开源组件、漏洞、许可证知识库，以对话形式提供相关情报的回答。