各相关企业、高校、科研机构、行业专家及团队：
为深入推进算法技术创新与实际应用融合，破解行业发展中的核心算法难题，充分调动全社会算法领域创新力量，现正式启动“揭榜挂帅”算法赛题征集工作，诚邀各国内外相关企业、高校、科研机构、行业专家及团队积极参与，共献优质赛题、破解行业难题、共促产业升级。
一、大赛概况
“全球校园人工智能算法精英大赛”是全国普通高校大学生竞赛正式竞赛目录内赛事，大赛创始人、中国科学院院士、南京大学副校长周志华教授担任科学顾问。大赛自2019年起已经连续举办七届，共吸引来自全球26个国家和地区、1000多所高校选手参赛，累计参赛团队超过4.5万支、参赛人数超过10万人。大赛始终秉持“以赛促学、以赛促教、以赛促创、以赛促用、以赛育才”的理念，围绕“人工智能+X”人才培养目标，聚焦人工智能算法，搭建全球算法同台竞技舞台，激发学生探索算法创新意识，鼓励学生积极参与算法应用实践，推动学生高质量创业就业。
二、征集背景及目的
“揭榜挂帅”赛题以“直面实际需求、破解技术瓶颈、产出实用成果”为核心导向，摒弃“纸上谈兵”式命题，聚焦各行业、各领域真实存在的人工智能技术应用难题。本次赛题征集旨在聚焦各类人工智能技术需求，筛选出具有挑战性、实用性、创新性的核心赛题，吸引算法领域优秀人才“揭榜应战”，推动算法技术从实验室走向实际应用，助力解决行业痛点、培育创新动能、储备专业人才。
三、征集范围
本次赛题征集覆盖各类算法应用场景，重点聚焦以下领域（不限于此）：
1.产业应用类：智能制造、智慧金融、智慧教育、智慧医疗、智慧城市、智慧物流、能源电力、智慧农林、低空经济等行业领域实际算法难题；
2.技术攻坚类：计算机视觉、自然语言处理、数据挖掘、运筹优化、多模态融合、大模型轻量化部署等技术瓶颈类赛题，以及智能机器人、无人机、智能驾驶、无人船舶、具身智能、脑机接口、算力数据、大模型、智能体等新兴的实际算法难题；
3.社会价值类：公益服务、无障碍AI、应急管理、低碳环保、公共服务优化等具有社会意义的算法应用需求；
4.前沿创新类：AI+交叉学科（AI4S、新材料、生物医药等）、新型算法架构、技术融合创新等方向的探索性赛题。
四、赛题核心要求
1.实用性强：赛题必须源于真实需求、真实场景，明确解决的具体问题与应用价值，能够直接对接实际落地需求，杜绝纯理论、无应用场景的命题；
2.挑战性足：具有一定的技术难度，能够体现“揭榜挂帅”的攻坚属性，避免简单套用成熟算法即可解决的基础类题目，预留算法创新与优化空间；
3.边界清晰：任务定义明确、输入输出规范，数据来源合法合规（可提供脱敏数据或明确数据获取路径），评价指标科学可量化；
4.公平可及：不依赖独家资源、特殊算力或未公开技术，确保不同背景参赛团队能够公平参与、公平竞争；
5.落地可行：赛题解决方案须具备实际落地潜力，能够通过竞赛产出可复用、可转化的算法模型、应用方案或原型产品。
五、出题要求
（一）参赛对象
大赛面向全球高校在校研究生、本科生及专科生。
（二）赛程设置
赛题需明确算法赛题背景和目标任务，数据合规、评价科学，在技术上具有可实现性，选手能够在竞赛期间内完成任务。整个竞赛流程分为初赛、复赛、半决赛和总决赛四个阶段，赛题设置应考虑设置梯度难度。
1.初赛。设置基础性和简单性任务或目标，只要达到基本成绩均可进入复赛；
2.复赛。难度适中，成绩排名前40%选手进入半决赛；
3.半决赛。难度较高，成绩排名前40%选手进入总决赛；
4.总决赛。总决赛采用线下答辩形式，对选手解题思路进行评判打分，同时对选手提供的技术报告、源代码等材料进行复核。
（三）成绩评判
要求赛题可根据选手提交结果文件进行自动判分。成绩计算规则应该保持一定区分度，避免出现多数选手出现满分的情况。
六、赛题筛选与应用
1.筛选流程：主办方将组织算法领域专家、行业从业者组成评审小组，围绕赛题的实用性、挑战性、合规性、公平性等核心维度进行综合评审，确定最终入选赛题；
2,。赛题应用：入选赛题将纳入本次“揭榜挂帅”正式赛题库，面向全社会发布，吸引优秀团队揭榜应战；
3.权益说明：入选赛题的提交单位/团队将被列为“赛题提供方”，在竞赛相关宣传中予以署名，优先对接竞赛优秀解决方案，助力自身需求落地。出题单位需向大赛组委会提供赞助，用于赛题完善、赛事组织、专家评审等工作，具体合作细节单独沟通。
七、征集填报
请有意向出题团队扫描右侧二维码在线填报联系信息，后续大赛组委会将与团队继续沟通。
八、联系方式
大赛秘书处：江苏省人工智能学会
联系地址：南京大学鼓楼校区费彝民楼B1013室
大赛官网：www.aicomp.cn
揭榜挂帅聚英才，算法创新破难题。诚邀各单位、各团队积极响应，立足自身需求与技术优势，携手搭建算法创新与应用转化的桥梁，共同推动算法技术赋能行业高质量发展！
附件
揭榜挂帅算法赛题出题要求参考
一、核心出题原则
1.产业贴合，聚焦实用
赛题必须源于真实产业场景（如智能制造、智慧医疗、金融风控、智慧城市、物流供应链等），绑定具体业务流程，明确解决的产业痛点（如降本、增效、提质、风控、节能等）。任务设计需贴合产业一线需求，避免“为算法而算法”，确保方案能对接产业实际应用场景。
2.落地导向，降低壁垒
赛题方案须具备直接落地或试点验证的潜力，适配产业现有算力、硬件、数据条件，鼓励轻量化、低成本、易复用的算法设计，避免依赖特殊算力、私有核心技术或独家资源。同时，明确方案落地相关要求（如部署环境、推理速度、资源占用限制），引导团队兼顾算法效果与工程落地性。
3.公平透明，规则清晰
不设置歧视性门槛，不依赖产业内部未公开数据或专属工具，提供标准化、脱敏后的产业真实数据（或高仿真模拟数据），配套清晰的数据字典、任务说明。明确任务边界、技术限制、提交规范、评价规则，确保不同背景（高校、企业、初创团队）参赛方公平竞争，减少理解歧义。
4.创新适配，兼顾区分
既鼓励算法创新（如模型改进、多算法融合、特征工程创新），更鼓励应用创新（如算法与产业流程的融合、落地场景的拓展）；设置梯度难度，基础层确保入门团队可完成基线方案，进阶层为优秀团队提供优化空间，高阶层引导团队突破产业现有技术瓶颈，保证赛题区分度。
二、具体出题要求
1.场景与任务设计
– 明确产业背景：清晰阐述赛题对应的产业领域、业务场景、现存痛点，以及算法方案能产生的业务价值（可量化优先，如降低多少成本、提升多少效率）。
– 任务定义具体：围绕产业痛点设计明确的算法任务（如缺陷检测、需求预测、路径优化、异常风控等），明确任务输入/输出格式，避免模糊、无边界的任务定义。
– 还原业务约束：融入产业实际运行中的约束条件（如实时性要求、算力限制、数据噪声、标注成本、合规要求等），让赛题更贴近产业实操。
2.数据要求
– 真实性与适配性：采用产业真实脱敏数据或高仿真模拟数据，数据分布、噪声、缺失值、标注规则贴合产业实际，规模适配竞赛算力与时间要求，避免人工构造的“理想数据”。
– 合规性与安全性：数据来源合法，脱敏彻底，无隐私信息、敏感数据，严格遵循数据隐私保护相关法规，明确数据使用范围与禁止行为（如禁止泄露、二次传播）。
– 完整性与可及性：提供训练集、验证集、测试集（测试集可隐藏标签），配套详细数据字典，说明数据含义、标注规则、异常值处理方式，确保参赛团队能快速上手使用。
3.评价体系要求
– 贴合业务实际：以产业业务指标为核心评价标准，而非单纯的学术指标（如准确率），可结合多维度评价（如效果指标+效率指标+落地成本指标），例：缺陷检测赛题可采用“准确率+召回率+推理速度+部署成本”综合评分。
– 科学可量化：评价指标明确、可计算、可复现，避免主观评分；提供清晰的评分公式、权重分配，明确基线标准，让参赛团队清晰地了解优化方向。
– 兼顾创新与落地：评价体系中预留创新分、落地可行性分（占比15%—25%），鼓励原创性方案与可落地的工程化设计，拒绝纯指标刷分、无实际价值的优化。
4.技术与规则要求
– 技术路线适配：不限制核心算法、框架，但鼓励采用适配产业落地的技术路线（如轻量化模型、高效推理算法），明确禁止使用的技术/工具（如禁止使用产业未公开的私有模型、违规数据）。
– 提交要求清晰：明确参赛团队需提交的成果（如代码、模型、方案文档、落地可行性分析、Demo视频等），规范提交格式、命名规则、截止时间，便于评审与成果复用。
– 合规与伦理底线：禁止设计涉及违规、敏感领域的赛题（如恶意信息识别、违规数据处理），要求参赛方案符合AI伦理、产业合规要求，杜绝侵权、作弊等行为。
5.配套文档要求
配套完整的赛题说明文档，包含：产业背景与业务痛点、任务定义与目标、数据说明（数据字典、使用规则）、评价细则（指标、权重、评分方式）、技术限制与禁止行为、提交要求、FAQ、基线方案（可选，降低入门门槛）、参考资源（如产业相关资料、常用工具），确保参赛团队能快速理解赛题、开展工作。
全球校园人工智能算法精英大赛
2025精彩瞬间
大赛回顾
关注我们