单词的魔法

词语魔法

题解

🔮 学徒的使命

你被词语王国最伟大的法师阿卡努斯召唤，参加ONIA Winter Warmup Challenge 2025，这是一场国家级的魔法与人工智能竞赛。

阿卡努斯创造了充满符号、形状和神秘文物的魔法图像，每一张都是从隐藏的关键词生成的。只有那些眼光敏锐、头脑清晰的人才能破译其中的微妙含义。

每张图像都结合了从以下3个主题魔法书中精心挑选的元素：

• Animals – 包含代表家养和野生动物的词语。
• Christmas – 包含与圣诞节庆祝相关的词语。
• Fruits & Vegetables – 包含代表水果和蔬菜的词语。
• Magic – 包含指代魔法和奇幻世界概念及物品的词语。
• Objects – 包含指代日常用品和家具的词语。
• Plants – 包含代表花卉和装饰植物的词语。
• School Items – 包含指代学校用品和教育材料的词语。

阿卡努斯从每本魔法书中选择了一个词，这3个词被用来构建生成1024 x 1024图像的咒语。然后他又随机添加了17个词，总共得到20个候选词。为了通过测试并被选为阿卡努斯的学徒，你必须从这20个词中选择5个词，认为它们对构建生成指定图像的咒语至关重要。

下表揭示了一些咒语的结果：关键词组合、选定的魔法书以及它们在阿卡努斯咒语室中的视觉效果。

示例图像	使用的词语	选定的魔法书
	Holly, jackal, Sunflower	Christmas, Animals, Plants
	Gingerbread, Magnolia, swan	Christmas, Plants, Animals
	potion, Christmas tree, Camellia	Magic, Christmas, Plants
	vacuum, flamingo, tablet	Objects, Animals, Education
	Fern, lantern, desk_lamp	Plants, Objects, Education

🎯 工作任务

你的任务是构建一个人工智能模型，能够为每张图像发现5个相关词语。选择这5个词语时必须考虑以下方面：

• 生成图像的咒语基础的3个词语必须包含在模型选择的5个词中。
• 模型提供的选定词语的顺序很重要，因为如果前3个词语正好是原始咒语的基础词语，阿卡努斯会给予额外分数。

评分规则如下：

• 每个正确包含在5个选定词中的词语得0.3分
• 如果正确词语在前3个位置，额外得0.1分
• 每张图像最高分： 1.2分

对于整个测试集，计算所有图像的个人分数总和。基于这个值，按以下规则计算最终分数：

• 如果总和低于50，最终分数为0分。
• 如果总和超过90，最终分数为100分。
• 如果总和在50到90之间，最终分数将使用线性插值在0到100分之间按比例计算。

你的模型必须学会识别微妙的线索并优先考虑正确的词语。

📜 阿卡努斯提供的数据

由于他的慷慨，伟大的法师阿卡努斯决定为你们提供一些咒语示例，以便你们和基于人工智能的解决方案能够理解魔法艺术的机制，并为学徒的最终考试做准备。

训练数据

训练集中的每个示例包括以下内容：

• 生成的图像：dataset/train/<id>/image.png – 关键词组合的视觉表示。
• 包含元数据的JSON文件：dataset/train/<id>/metadata.json，包含：
  • image_path：图像路径
  • prompt：用于生成图像的提示词
  • correct_words：用于提示词的3个关键词列表
  • categories_used：3个关键词来源的类别
  • word_choices：完整的20个词列表（包括3个正确词和其他17个随机选择的词），用于选择任务

JSON示例：

1{2  "image_path": "dataset/train/00001/image.png",3  "prompt": "dragon, pencil, tulip, colorful, surreal, like Codenames Pictures",4  "correct_words": ["dragon", "pencil", "tulip"],5  "categories_used": ["animals", "school_items", "flowers"],6  "word_choices": ["dragon", "pencil", "tulip", "book", "eraser", "hat", "rose", "wand", "star", "globe", "map", "chair", "desk", "coat", "shoe", "ruler", "backpack", "wand", "crayon", "flowerpot"]7}

评估数据

测试集中的每个示例包括以下内容：

• 生成的图像：dataset/test/<id>/image.png – 关键词组合的视觉表示。
• 包含元数据的JSON文件：dataset/test/<id>/metadata.json，包含：
• image_path：图像路径
• word_choices：完整的20个词列表（包括3个正确词和其他17个随机选择的词），用于选择任务

🪄 提交文件 📜

在你训练好模型并学会解读收到的图像、词语及其魔法书之间的联系后，伟大的阿卡努斯要求你以单个CSV文件的形式提交最终结果。这是学徒们在魔法考试中提交的官方羊皮纸。

提交文件必须是csv格式，并且必须包含以下确切的列：

• ID – 示例标识符（与数据集中的ID相同）。
• word1
• word2
• word3
• word4
• word5

这五个词代表模型从每个示例收到的20个词列表中选择的最重要的5个词。
它们的顺序至关重要：

• word1 – 模型认为最相关的词
• word5 – 模型认为在选定的5个词中最不相关的词

🪬 阿卡努斯警告："顺序是关键！没有它，魔法就会瓦解。"

🗂️ CSV结构示例

1ID,word1,word2,word3,word4,word5200001,dragon,tulip,pencil,star,chair300002,holly,jackal,sunflower,wand,globe400003,candle,elf,peony,fox,notebook