原來這屆中國AI年輕人，已經卷到業界都驚了

機器之心原創

作者：張倩

在小紅書上，一群熱愛技術的年輕人，搞了一場為期五個多月的大型「團建」。

「感謝大佬帶飛！」「用上您的方法之后猛猛上分！」「大佬一己之力把整個排行榜洗了！」

說實話，這些年看過不少大賽，但公開討論這么熱烈、選手之間氛圍這么融洽的，真的少見。

初賽到復賽，選手們一直在分享。成功的經驗要講，踩過的坑也不藏著掖著。

剛入門的小白說，看完大佬們的帖子，終于知道怎么下手了；而那些分享的大佬呢，也坦言自己是「拋磚引玉」，評論區里常常能撿到新靈感。

這哪是比賽？分明是一群人組隊上分。什么「文人相輕」、「零和博弈」…… 在「一起變強」的快樂面前，通通靠邊站。

那么問題來了：到底是什么樣的比賽，讓這群年輕人這么上頭？比賽最后是個什么結果？以下是我們在決賽現場 get 到的情況。

一場比賽

折射出推薦系統的下一次范式遷移

簡單來說，這是一場廣告算法大賽，目的是讓模型學會「預測用戶下一刻可能感興趣的廣告」，比誰「猜」用戶興趣猜得準

這個問題被優化得越好，廣告系統就越能把不相關的內容過濾掉，讓用戶看到的更多是有用的信息，而不是被打擾。因此，主辦方騰訊廣告對這個問題非常重視，設置了 360 萬元的獎金池，冠軍隊伍甚至可以獨享 200 萬

在技術路線上，這類問題的解決一直依賴「判別式方法」，即通過分析用戶過去的行為記錄，區分用戶喜歡的內容和不喜歡的內容，以此來學到「擁有特征 A、B、C 的用戶，通常會喜歡擁有特征 X、Y、Z 的物品」。這其中的核心邏輯是「匹配」，就像在一個固定的商品架子上選東西。

但是，這類方法有個問題：在遇到新用戶或新物品時，它就不知道怎么辦了，這就是業內俗稱的「冷啟動」問題

為了解決這類問題，業內不少團隊都在探索新的范式，最近幾年已經在語言、視覺等領域 work 的生成式方法自然成了首選。

和判別式方法在已知數據范圍內做精準判斷不同，生成式方法可以通過學習所有實體的本質特征，建立一個可推理的語義世界。當新實體出現時，它能夠通過「理解」其本質并將其納入這個世界，從而實現強大的泛化能力。

這么說可能有點抽象，我們來舉個例子：平臺上突然上架了一款全新的跑鞋，按照傳統判別式方法，由于沒有人瀏覽、點擊或購買過，它幾乎是「隱形」的，系統很難判斷誰會喜歡它，只能等真實用戶來互動。

但生成式方法不一樣：它可以從商品的圖文、材質描述、功能賣點等多模態信息里，直接讀懂這雙鞋的大致屬性，并把它放進整個語義世界中，找到它最接近的鄰居，比如它和哪類跑鞋相似、哪些用戶的偏好向量與之接近。于是，即便沒有任何歷史行為，它也能把這雙鞋推薦給可能會喜歡它的人。

這種從「記答案」到依靠多模態信息進行「獨立思考」的過渡是當前生成式推薦算法追求的方向，也構成了本次騰訊廣告算法大賽的賽題——全模態生成式推薦

在比賽中，選手拿到的是經過脫敏處理的用戶全模態歷史行為數據，包含文本、視覺、協同行為等，然后基于這些數據去做預測。

很多選手反映，這并不是一個簡單的賽題。首先，「生成式廣告推薦」其實是這兩三年才冒出來的新方向，外面能參考的資料并不多，很多思路都得自己摸著石頭過河。其次，大賽給到的是真實業務里脫敏后的多模態數據，既有推薦系統的協同特征，也有文本、圖像、語音、視頻的embedding特征，還夾著各種缺失、噪聲。換句話說，選手面對的不是「干凈的小白鼠數據」，而是現實世界里那種又亂又雜的情況，非常接近實戰，難度一下子就上來了。

正因為賽題又新又真，所以特別考驗大家的探索精神。很多問題光靠一個人啃不動，必須幾個人一起琢磨、互相碰撞，才能把路走通。也正因如此，我們才看到了前面提到的熱烈的討論、空前的思路接力。

技術與人才的雙重躍遷

年輕一代已走在前沿

整個算法大賽從 6 月份開始啟動，歷時 5 個多月，共有 8000 多人報名，2800 多支隊伍參與比拼，可以說是一場競爭非常激烈的技術馬拉松。

冠軍團隊 Echoch 和亞軍團隊 leejt 都提到，這幾乎是他們參加過的數據規模最大的一場比賽。比賽中拿到的數據集（復賽達到千萬量級）與以往學術場景的小數據集完全不同，既需要做模態的融合處理，又需要應對數據中存在的大量缺失值。整個比賽打完之后，就像在公司實習了幾個月一樣。

冠軍團隊 Echoch。成員來自華中科技大學、北京大學、中國科學技術大學。

亞軍團隊 leejt。成員來自中山大學。

當然，就像 Echoch 所說，數據多也意味著他們可以在比賽中訓練出足夠大的模型，從而驗證哪些方法具有可擴展性，這在實際業務中非常重要。而且，他們還不用操心算力問題，因為這次騰訊的 Angel 機器學習平臺提供了足夠的算力和訓練推理平臺支持。有了這些支持，選手們的方案就有了一個足夠真實的實驗場。

在決賽答辯那兩天，騰訊公司副總裁蔣杰在現場仔細聽了選手們的解決方案。

「今年，我注意到一個特別驚喜的變化：現在的學生對大模型的理解，以及他們做出來的東西，已經和工業界的實際工作非常接近了。以前幾屆的作品往往只能在一臺機器上跑，現在基本都能直接拿來做分布式部署。他們不像我們當年讀書的時候，出來以后啥也不會，要跟一個導師學半年。」蔣杰在采訪中欣慰地說。

騰訊公司副總裁蔣杰。

蔣杰的說法并不夸張。我們在現場看到，選手們的方案確實非常有創新性。比如在模型結構上，大家并沒有拘泥于某一種套路，而是大膽嘗試了不同的生成式框架，甚至去琢磨如何重新組織 token，讓模型更好地理解用戶的行為序列；在多模態的處理上，有的隊伍專門研究怎么把各種模態的 embedding 對齊，讓文本、圖像、行為信號能夠「聽得懂彼此」，也有人嘗試用更細致的空間對齊方法，讓協同信息真正用起來；而在工程層面，不少隊伍則把壓箱底的本事都掏了出來，從訓練加速到推理優化，再到顯存的極限壓縮，都做得非常極致。

在此過程中，選手們成功地把很多之前只在大語言模型、多模態模型領域嘗試過的方法用在了廣告推薦領域，并且取得了很好的效果，這填補了廣告推薦與其他領域之間的 gap。

選手們這種對于新論文、新方法的消化、運用能力也讓蔣杰非常興奮，直言他們的知識體系和騰訊內部的算法工程師「完全接軌」「沒有代差」，有些方面甚至還「更有創新性」

當然，大賽競爭如此激烈，大部分選手是沒有走到決賽的。但很多同學坦言，他們在比賽中同樣經歷了諸多激勵人心的時刻。

要知道，很多人在報名之前是沒有接觸過廣告推薦算法的，更沒挑戰過業界難題。然而，通過閱讀其他選手在小紅書上分享的解決方案，他們一步步摸清了門道，并跟著策略上分。有位同學回憶，一位「大佬」始終與他保持私信交流，共同研討如何改進流行性采樣策略。他們花了一兩天時間反復嘗試，最終獲得了千分之五、六的收益提升——那種感覺依然「很爽」。

更重要的是，這樣的時刻讓他們真切地看到：自己的能力并非固化不變，那些原本未曾設想的道路，其實也可以勇敢嘗試。賽后，不止一位同學表示，自己今后還會參賽，這種越挫越勇的精神令人動容。這，或許才是大賽最重要的意義。

比賽結束

托舉才剛開始

一場大賽，把這么多聰明的頭腦聚在一起，共同把一件難事往前推，本身就已經足夠振奮人心。

但決賽并不是終點。蔣杰在采訪中明確表示，這次在大賽中表現突出的選手，將被納入騰訊的「青云計劃」。這是面向頂尖學生的人才通道，能夠讓他們直接接觸最好的導師、資源和算力平臺。換句話說，優秀的年輕人不會因為一場比賽而散場，而是會繼續被托舉、被加速。

這種對年輕人才的重視，來自蔣杰對科技行業長期的觀察：無論國內還是國外，能夠在前沿賽道上跑出來的團隊，無一不是依靠「矩陣式」的人才積累。一批人長期深耕不同模塊，彼此補位，形成合力，才有了今天 AI 領域的集中爆發。從這些案例可以看出，真正決定上限的，是人才的厚度和代際傳承。而這一點，在大賽中其實已經出現了苗頭：年輕一代具備很強的科研與工程能力，開源文化也在他們身上延續得很好

我們希望讓年輕人更快地成長，不是坐扶梯，而是坐直梯的速度往上走…… 有足夠的人才，才能做出更有價值的事情，這是必然的。」蔣杰說這話時語氣非常堅定。

從這次大賽，我們不僅看到優秀選手的涌現，也看到了國內科技企業在培養頂尖人才方面的投入和決心。這些積極的信號，讓我們有理由對中國 AI 的下一程抱持真正的期待。