参赛者开源 Name That LLM 竞赛方案,公榜 0.681 排第 302
热点事件历史事件
参赛者开源 Name That LLM 竞赛方案,公榜 0.681 排第 302
1 篇报道1 个报道来源12 天前更新
先了解这件事
AI 综述
thibaudperes 将其 Kaggle「Name That LLM」竞赛方案以 MIT 许可在 GitHub 与 Kaggle 开源,最优提交在公开榜取得 balanced accuracy 0.681,位列 5,395 队中第 302 名(前 5.6%,2026 年 11 月 10 日快照)。作者说明该排名是参与者提供的即时快照,未声称任何最终私榜成绩。 方案从 TF-IDF + 逻辑回归 baseline 起步,构建按 prompt_id 分组的 5 折防泄漏验证,随后在 Qwen3-8B 和 OLMo 2 13B 上两阶段训练 LoRA,离折验证分别得 0.5616 和 0.5445,最终以集成模型作为最优提交。
AI 根据报道生成 · 7 天前更新
报道时间线
沿着报道,了解事件的不同侧面。
11月11日
- GitHub · 灵魂体仓库thibaudperes/name-that-llm-portfolio:Kaggle 竞赛 balanced accuracy 0.681 方案开源
该 GitHub 仓库展示作者在 Name That LLM 竞赛中达成公开榜 balanced accuracy 0.681,位列 5,395 队中的第 302 名(前 5.6%,2026 年 11 月 10 日快照)。方案从 TF-IDF + 逻辑回归 baseline 起步,构建按 prompt_id 分组的 5 折防泄漏验证,并在 Qwen3-8B 和 OLMo 2 13B 上两阶段训练 LoRA(离折验证分别得分 0.5616 和 0.5445)。最终最优提交为集成模型,代码以 MIT 许可开源在 Kaggle 与 GitHub。