Sazviježđa Uspavanog Šerifa

Sazviježđa Uspavanog Šerifa

Izazov s Divljeg zapada

Napomena

Eksplicitno se mogu koristiti unaprijed trenirani jezični modeli (npr. BERT, RoBERTa, sentence-transformers) s učitanim težinama (weights). GPU ubrzanje za treniranje i inferenciju je u potpunosti dopušteno. Klasični NLP cjevovodi temeljeni na TF-IDF-u također su dopušteni i potiču se.

Priča

Negdje u sušnim ravnicama Novog Meksika, 1883.

Stari šerif Clem Dudley imao je naviku koju nijedan zamjenik nikada nije razumio: svake večeri, bez obzira na to koliko dug dan bio, stavio bi šešir na sedlo konja, ispružio se na deku i gledao ravno gore, u nebo.

"Zvijezde ne lažu", znao je reći. "Svaki bjegunac, svaka skitnica, svaki pošten čovjek — svi gledaju isto nebo."

Jedne kolovoške noći, iscrpljen nakon tri dana potjere za bandom Vega kroz pustinju, Clem je ležao pod nebom crnim poput tinte, posutim s više zvijezda nego što je ikada izbrojao. Pokušavao je zaspati kada su se zvijezde počele micati — polako isprva, poput žara koji nosi vjetar s vatre koja se gasi. Zatim sve brže. Povlačile su linije između sebe. Trokute. Spirale. Životinje. Brojeve. Oblicima kojima nije znao ime.

"Mora da je od vrućine", promrmljao je. Ali i dalje je gledao.

Oblici su postali riječi. Ne izgovorene — osjećane. Svako sazviježđe kao da je nosilo značenje, težinu, priču obješenu o njega poput tjeralice na šerifovoj oglasnoj ploči. Posegnuo je za olovkom da ih zapiše, i tada — ništa.

Probudio se negdje drugdje.

Zemlja između zvijezda. Tako su je zvali.

Bilo je to prostrano i tiho područje gdje je nebo bilo tlo, a sazviježđa su bila sela — svako skupina zvijezda raspoređenih u oblik, i svaki oblik nosio je ime koje je čekalo da bude spojeno sa svojom pričom. Stanovnici ove zemlje, Zvjezdani Pisari, vodili su pedantne evidencije stoljećima: dnevnike, pjesme, putopise, legende — sve napisano od strane ljudi koji su gledali iste oblike zvijezda odozdo, sa zemlje.

Ali nešto je pošlo po zlu. Velika nebeska oluja — mještani su je zvali Rasipanje — otrgnula je svaku etiketu sa svakog sazviježđa i bacila ih u vjetar. Sada su tisuće tekstova plutale nepovezane iznad oblika zvijezda koje su nekada opisivali, a Zvjezdani Pisari više nisu mogli reći koja priča pripada kojem nebu.

Clemu je uručena značka od zvjezdane svjetlosti i jednostavna uputa:

"Spoji riječi natrag sa zvijezdama, Šerife. Prije nego što dođe sljedeća oluja."

Zadatak

Zadan vam je skup sazviježđa, od kojih je svako opisano nizom 2D točaka koje tvore geometrijski oblik (npr. križ, spirala, peterokut, znamenke poput 6, 7, 8, kombinacije znamenki itd.). Također vam je zadan veliki skup kandidata za tekstualne fragmente — zapisi iz dnevnika, legende, opisi — od kojih je svaki izvorno napisan o jednom specifičnom sazviježđu.

Vaš cilj je izgraditi model sposoban ispravno dodijeliti svakom tekstu iz skupa odgovarajuće sazviježđe, oslanjajući se isključivo na semantički i strukturni odnos između geometrije koordinata i sadržaja teksta.

Struktura podataka

Skup za treniranje

train.csv sadrži 300 parova sazviježđe-tekst s oznakama:

• Svaki ID sazviježđa pojavljuje se 40-65 puta s blagim geometrijskim varijacijama (šum, rotacija, skaliranje).

Skup za testiranje

test.csv sadrži 50 nizova sazviježđa bez oznaka (datapointID 1-50):

Svaki datapointID pojavljuje se 40-65 puta. Tekstualne oznake nisu priložene.

Tekstovi kandidati

candidates.csv sadrži 500 tekstualnih fragmenata:

• Točno 50 od ovih 500 tekstova su ispravni parovi za 50 testnih sazviježđa.
• Ostalih 450 su distraktori.
• Tekstovi su književnog karaktera — u njima se ne pojavljuje izravni geometrijski rječnik.

Format rješenja

Datoteka s rješenjem mora biti u CSV formatu sa sljedećim stupcima:

Svaki od 50 testnih datapointID-ova mora se pojaviti točno jednom.

Primjer:

1subtaskID,datapointID,answer21,1,4231,2,31741,3,4675...

Metrika evaluacije

Točnost (ekvivalent F1-macro)

Svako predviđanje ocjenjuje se kao klasifikacija s jednom oznakom (single-label) preko 500 kandidata za tekstualni ID. Predviđanje je ili točno (1) ili netočno (0).

Konačna metrika je broj točnih predviđanja / 50.

Funkcija bodovanja

Sirovi rezultati pretvaraju se u natjecateljske bodove koristeći linearnu funkciju s minimalnim pragom:

Ukratko: morate ispravno spojiti barem 15 od 50 sazviježđa (točnost = 0.30) da biste osvojili bodove, a ispravno spajanje 43 ili više (točnost >= 0.85) donosi maksimalan broj bodova.

"Zvijezde ne lažu. Možeš više vjerovati zvijezdi nego čovjeku..." — Šerif Clem Dudley, 1883