从传统机器学*到生成式 AI：腾讯GG大赛的技术跃迁与高校赢家...中武华哈？zz
本帖最后由 besthread 于 2025-12-10 23:28 编辑从传统机器学*到生成式 AI：腾讯GG大赛的技术跃迁与高校赢家
自2017年首届举办至今，腾讯GG算法大赛已走过九个年头（2017-2025年）。这九年不仅是中国广告算法技术从萌芽到成熟的缩影，更是高校科研力量与产业需求深度融合的试炼场。从最初聚焦基础转化预估的传统机器学*，到如今引领行业的全模态生成式推荐，赛事的技术方向始终紧跟AI发展浪潮；而高校战队作为赛事的核心参与者，用一次次亮眼的夺冠表现，勾勒出中国高校在广告算法领域的实力版图。本文将复盘赛事九年来的技术跃迁路径，拆解那些在赛道上脱颖而出的高校赢家故事。
一、技术跃迁四阶段：从基础建模到全模态生成的进化之路
腾讯广告算法大赛的赛题始终源于真实业务痛点，每一次赛题调整都精准契合技术发展趋势，形成了清晰的四阶段演进脉络。
1. 初创期（2017-2018）：传统机器学*的“基础试炼”
这一阶段的核心目标是解决广告投放的基础效率问题，赛题聚焦于广告核心场景的经典算法任务。2017年首届赛事以“移动App广告转化率预估”为主题，核心是通过用户历史行为、广告属性等数据，预测用户点击广告后的转化概率，这是广告投放效果优化的核心基础。当时参赛团队的主流技术方案集中在传统机器学*算法，以LR（逻辑回归）、XGBoost、FFM（Field-aware Factorization Machine）为主，比拼的重点在于特征工程的精细化程度——如何从海量稀疏数据中挖掘出有价值的特征，成为夺冠的关键。
2018年第二届赛事赛题升级为“Lookalike相似人群拓展技术”，要求基于已转化的种子用户，挖掘具有相似特征的潜在用户群体，这一任务直接对接广告精准投放的核心需求。技术上仍以传统机器学*为主，但团队开始尝试特征交叉与数据清洗的创新方法，赛事也从单一高校参与扩展到高校与企业共同竞技，进一步强化了技术的落地导向。
2. 成长期（2019-2020）：深度学*的“崛起与应用”
随着AI技术的发展，深度学*在处理大规模稀疏数据上的优势逐渐显现，赛事技术方向也随之迭代。2019年第三届赛事以“广告曝光预估”为主题，相比转化预估，曝光预估需要处理更海量的用户-广告交互数据，传统机器学*算法的性能已难以满足需求。此时，DNN（深度神经网络）、Wide&Deep等深度学*模型开始成为主流，参赛团队通过搭建深层网络结构，有效捕捉数据中的非线性关系，大幅提升了预估精度。
2020年第四届赛事聚焦“广告受众基础属性预估”，要求通过用户行为数据反推用户的年龄、性别、地域等基础属性，为精准投放提供更细致的用户画像。这一阶段，深度学*模型的优化成为核心竞争力，团队开始探索网络结构的创新与正则化方法的改进，赛事报名人数突破1.1万人，覆盖1000余所院校与3000余家企事业单位，成为广告算法领域的重要交流平台。
3. 突破期（2021）：多模态技术的“全面爆发”
随着视频广告成为主流，单一文本或数值数据的处理已无法满足业务需求，2021年第五届赛事首次设置双赛道——“视频广告秒级语义解析”与“多模态视频广告标签”，正式切入视频与多模态广告技术前沿。这一阶段的技术核心是CV（计算机视觉）与NLP（自然语言处理）的融合，要求团队不仅能处理文本数据，还能对视频画面、音频等多模态信息进行精准解析，实现视频广告的秒级语义理解与多维度标签生成。
多模态技术的引入，大幅提升了赛事的技术门槛，也吸引了更多深耕计算机视觉与自然语言处理领域的高校团队参与。赛事总奖金池提升至10万美元级别，进一步激发了团队的创新热情，中山大学凭借在多模态技术上的深厚积累，斩获“视频广告秒级语义解析”赛道冠军，成为这一阶段的技术领跑者。
4. 爆发期（2022-2025）：生成式AI的“落地与引领”
2022-2024年（第六至八届）赛事公开信息相对有限，但结合行业技术趋势推测，这一阶段赛事重点转向生成式AI在广告领域的落地探索，赛题可能围绕广告创意生成、归因优化、跨屏协同推荐等方向展开，赛事节奏也进行了优化调整，更注重技术成果的产业落地与人才定向培养。这一时期，大模型技术开始逐步融入广告算法，为后续的技术爆发奠定了基础。
2025年第九届赛事迎来全面爆发，以“全模态生成式推荐”为赛题，成为国内首个大规模全模态生成式推荐算法赛事。赛题要求团队基于文本、图像、视频等千万级全模态用户行为序列，实现精准的广告推荐，核心技术是生成式AI与推荐算法的深度融合。此次赛事总奖金池高达360万元（冠军200万元），吸引全球8400余人、2800余支战队参赛，海外报名人数创新高。冠军团队提出的“逐位置行为条件化建模”方案，将长尾item训练关注度提升190倍，码表利用率达100%，技术方案与工业界无代差，标志着高校在生成式AI广告应用领域已具备核心竞争力。
二、高校赢家图谱：那些在赛道上封神的高校战队
九年来，高校战队始终是腾讯广告算法大赛的核心力量，不同高校凭借各自的学科优势，在不同技术阶段脱颖而出，形成了清晰的实力梯队。结合公开可查的获奖信息，以下为精准的高校赢家盘点（按“夺冠次数+核心贡献”排序）：
1. 第一梯队：中山大学——“三连冠”的多模态与生成式AI领跑者
中山大学是赛事中当之无愧的“最强高校”，以4次进入三甲、3次夺冠的成绩稳居第一梯队。2019年，中山大学作为核心成员，随跨校战队“鱼遇雨欲语与余”斩获冠军；2020年，再次与武汉大学联合组建战队“DYG”卫冕冠军；2021年，在多模态技术爆发的关键节点，中山大学独立战队“GZ”拿下“视频广告秒级语义解析”赛道冠军，实现三连冠的壮举；2025年，中山大学战队“leejt”再次斩获亚军，展现出在生成式AI领域的深厚积累。
中山大学的优势在于其学科布局的前瞻性，从深度学*到多模态技术，再到生成式AI，始终紧跟技术前沿，且注重与产业需求的结合，其参赛方案往往兼具技术创新性与落地可行性。
2. 第二梯队：武汉大学——跨校组队的“两连冠”核心力量
武汉大学虽未以独立校队形式夺冠，但以核心成员身份连续两年斩获冠军，成为第二梯队的核心代表。2019年，武汉大学硕士王贺作为核心成员，随跨校战队“鱼遇雨欲语与余”夺冠；2020年，王贺再次与中山大学联合组建战队“DYG”卫冕冠军，成为赛事中少有的“两连冠”核心成员。
武汉大学的优势在于其在机器学*与数据挖掘领域的扎实基础，尤其擅长大规模稀疏数据的处理与模型优化，其核心成员在跨校组队中往往能承担关键的模型搭建与优化工作。
3. 第三梯队：多元夺冠力量——传统强校与新锐力量的崛起
这一梯队涵盖了首次夺冠但表现亮眼的高校，包括南京大学、哈尔滨工业大学、华中科技大学、北京大学、中国科学技术大学等。其中，南京大学作为首届赛事冠军（2017年战队“nju_newbie”），是传统机器学*阶段的代表高校，其参赛方案在特征工程上的精细化处理成为当时的行业标杆；哈尔滨工业大学作为2019年冠军战队的核心成员，展现出在深度学*领域的深厚实力；2025年，华中科技大学、北京大学、中国科学技术大学联合组建的战队“Echoch”斩获冠军，成为生成式AI领域的新锐力量，标志着这些高校在新兴技术领域的快速崛起。
4. 第四梯队：单次获奖的实力高校
除上述高校外，吉林大学、北京邮电大学、北京航空航天大学、香港大学等也在赛事中展现出不俗实力。2017年，吉林大学、北京邮电大学、北京航空航天大学联合战队“我很难受”斩获季军；2018年，吉林大学、北京邮电大学、哈尔滨工业大学联合战队“葛文强”夺冠；2025年，香港大学战队“也许明天”斩获季军，这些高校虽获奖次数较少，但在特定技术阶段展现出了强劲的竞争力。
三、核心启示：赛事背后的产学研融合新生态
腾讯广告算法大赛的九年发展历程，不仅是技术跃迁的历史，更是产学研融合的生动实践。从技术层面来看，赛事赛题始终源于真实业务痛点，确保了技术方案的落地价值，推动了广告算法从传统机器学*到生成式AI的快速迭代；从人才培养层面来看，赛事已成为腾讯广告乃至整个行业的人才储备池，2025年赛事前10名战队均获得腾讯校招/社招offer意向，决赛选手的技术方案与工业界无代差；从高校发展层面来看，赛事为高校提供了对接产业需求的平台，推动高校学科布局与技术研究更贴合市场需求，形成了“赛事引领技术创新—技术创新带动人才培养—人才培养支撑产业发展”的良性生态闭环。
展望未来，随着生成式AI技术的持续发展，腾讯广告算法大赛或将聚焦更复杂的全模态生成式广告创意、跨场景协同推荐等方向，而高校战队作为技术创新的核心力量，必将在这场技术浪潮中继续扮演重要角色，为广告算法领域的发展注入源源不断的创新活力。
从传统机器学*（ML）到生成式 AI：腾讯广告大赛的技术跃迁与高校赢家...中武华哈？zz
自2017年首届举办至今，腾讯广告算法大赛已走过九个年头（2017-2025年）。这九年不仅是中国广告算法技术从萌芽到成熟的缩影，更是高校科研力量与产业需求深度融合的试炼场。从最初聚焦基础转化预估的传统机器学*，到如今引领行业的全模态生成式推荐，赛事的技术方向始终紧跟AI发展浪潮；而高校战队作为赛事的核心参与者，用一次次亮眼的夺冠表现，勾勒出中国高校在广告算法领域的实力版图。本文将复盘赛事九年来的技术跃迁路径，拆解那些在赛道上脱颖而出的高校赢家故事。
一、技术跃迁四阶段：从基础建模到全模态生成的进化之路
腾讯广告算法大赛的赛题始终源于真实业务痛点，每一次赛题调整都精准契合技术发展趋势，形成了清晰的四阶段演进脉络。
1. 初创期（2017-2018）：传统机器学*的“基础试炼”
这一阶段的核心目标是解决广告投放的基础效率问题，赛题聚焦于广告核心场景的经典算法任务。2017年首届赛事以“移动App广告转化率预估”为主题，核心是通过用户历史行为、广告属性等数据，预测用户点击广告后的转化概率，这是广告投放效果优化的核心基础。当时参赛团队的主流技术方案集中在传统机器学*算法，以LR（逻辑回归）、XGBoost、FFM（Field-aware Factorization Machine）为主，比拼的重点在于特征工程的精细化程度——如何从海量稀疏数据中挖掘出有价值的特征，成为夺冠的关键。
2018年第二届赛事赛题升级为“Lookalike相似人群拓展技术”，要求基于已转化的种子用户，挖掘具有相似特征的潜在用户群体，这一任务直接对接广告精准投放的核心需求。技术上仍以传统机器学*为主，但团队开始尝试特征交叉与数据清洗的创新方法，赛事也从单一高校参与扩展到高校与企业共同竞技，进一步强化了技术的落地导向。
2. 成长期（2019-2020）：深度学*的“崛起与应用”
随着AI技术的发展，深度学*在处理大规模稀疏数据上的优势逐渐显现，赛事技术方向也随之迭代。2019年第三届赛事以“广告曝光预估”为主题，相比转化预估，曝光预估需要处理更海量的用户-广告交互数据，传统机器学*算法的性能已难以满足需求。此时，DNN（深度神经网络）、Wide&Deep等深度学*模型开始成为主流，参赛团队通过搭建深层网络结构，有效捕捉数据中的非线性关系，大幅提升了预估精度。
2020年第四届赛事聚焦“广告受众基础属性预估”，要求通过用户行为数据反推用户的年龄、性别、地域等基础属性，为精准投放提供更细致的用户画像。这一阶段，深度学*模型的优化成为核心竞争力，团队开始探索网络结构的创新与正则化方法的改进，赛事报名人数突破1.1万人，覆盖1000余所院校与3000余家企事业单位，成为广告算法领域的重要交流平台。
3. 突破期（2021）：多模态技术的“全面爆发”
随着视频广告成为主流，单一文本或数值数据的处理已无法满足业务需求，2021年第五届赛事首次设置双赛道——“视频广告秒级语义解析”与“多模态视频广告标签”，正式切入视频与多模态广告技术前沿。这一阶段的技术核心是CV（计算机视觉）与NLP（自然语言处理）的融合，要求团队不仅能处理文本数据，还能对视频画面、音频等多模态信息进行精准解析，实现视频广告的秒级语义理解与多维度标签生成。
多模态技术的引入，大幅提升了赛事的技术门槛，也吸引了更多深耕计算机视觉与自然语言处理领域的高校团队参与。赛事总奖金池提升至10万美元级别，进一步激发了团队的创新热情，中山大学凭借在多模态技术上的深厚积累，斩获“视频广告秒级语义解析”赛道冠军，成为这一阶段的技术领跑者。
4. 爆发期（2022-2025）：生成式AI的“落地与引领”
2022-2024年（第六至八届）赛事公开信息相对有限，但结合行业技术趋势推测，这一阶段赛事重点转向生成式AI在广告领域的落地探索，赛题可能围绕广告创意生成、归因优化、跨屏协同推荐等方向展开，赛事节奏也进行了优化调整，更注重技术成果的产业落地与人才定向培养。这一时期，大模型技术开始逐步融入广告算法，为后续的技术爆发奠定了基础。
2025年第九届赛事迎来全面爆发，以“全模态生成式推荐”为赛题，成为国内首个大规模全模态生成式推荐算法赛事。赛题要求团队基于文本、图像、视频等千万级全模态用户行为序列，实现精准的广告推荐，核心技术是生成式AI与推荐算法的深度融合。此次赛事总奖金池高达360万元（冠军200万元），吸引全球8400余人、2800余支战队参赛，海外报名人数创新高。冠军团队提出的“逐位置行为条件化建模”方案，将长尾item训练关注度提升190倍，码表利用率达100%，技术方案与工业界无代差，标志着高校在生成式AI广告应用领域已具备核心竞争力。
二、高校赢家图谱：那些在赛道上封神的高校战队
九年来，高校战队始终是腾讯广告算法大赛的核心力量，不同高校凭借各自的学科优势，在不同技术阶段脱颖而出，形成了清晰的实力梯队。结合公开可查的获奖信息，以下为精准的高校赢家盘点（按“夺冠次数+核心贡献”排序）：
1. 第一梯队：中山大学——“三连冠”的多模态与生成式AI领跑者
中山大学是赛事中当之无愧的“最强高校”，以4次进入三甲、3次夺冠的成绩稳居第一梯队。2019年，中山大学作为核心成员，随跨校战队“鱼遇雨欲语与余”斩获冠军；2020年，再次与武汉大学联合组建战队“DYG”卫冕冠军；2021年，在多模态技术爆发的关键节点，中山大学独立战队“GZ”拿下“视频广告秒级语义解析”赛道冠军，实现三连冠的壮举；2025年，中山大学战队“leejt”再次斩获亚军，展现出在生成式AI领域的深厚积累。
中山大学的优势在于其学科布局的前瞻性，从深度学*到多模态技术，再到生成式AI，始终紧跟技术前沿，且注重与产业需求的结合，其参赛方案往往兼具技术创新性与落地可行性。
2. 第二梯队：武汉大学——跨校组队的“两连冠”核心力量
武汉大学虽未以独立校队形式夺冠，但以核心成员身份连续两年斩获冠军，成为第二梯队的核心代表。2019年，武汉大学硕士王贺作为核心成员，随跨校战队“鱼遇雨欲语与余”夺冠；2020年，王贺再次与中山大学联合组建战队“DYG”卫冕冠军，成为赛事中少有的“两连冠”核心成员。
武汉大学的优势在于其在机器学*与数据挖掘领域的扎实基础，尤其擅长大规模稀疏数据的处理与模型优化，其核心成员在跨校组队中往往能承担关键的模型搭建与优化工作。
3. 第三梯队：多元夺冠力量——传统强校与新锐力量的崛起
这一梯队涵盖了首次夺冠但表现亮眼的高校，包括南京大学、哈尔滨工业大学、华中科技大学、北京大学、中国科学技术大学等。其中，南京大学作为首届赛事冠军（2017年战队“nju_newbie”），是传统机器学*阶段的代表高校，其参赛方案在特征工程上的精细化处理成为当时的行业标杆；哈尔滨工业大学作为2019年冠军战队的核心成员，展现出在深度学*领域的深厚实力；2025年，华中科技大学、北京大学、中国科学技术大学联合组建的战队“Echoch”斩获冠军，成为生成式AI领域的新锐力量，标志着这些高校在新兴技术领域的快速崛起。
4. 第四梯队：单次获奖的实力高校
除上述高校外，吉林大学、北京邮电大学、北京航空航天大学、香港大学等也在赛事中展现出不俗实力。2017年，吉林大学、北京邮电大学、北京航空航天大学联合战队“我很难受”斩获季军；2018年，吉林大学、北京邮电大学、哈尔滨工业大学联合战队“葛文强”夺冠；2025年，香港大学战队“也许明天”斩获季军，这些高校虽获奖次数较少，但在特定技术阶段展现出了强劲的竞争力。
三、核心启示：赛事背后的产学研融合新生态
腾讯广告算法大赛的九年发展历程，不仅是技术跃迁的历史，更是产学研融合的生动实践。从技术层面来看，赛事赛题始终源于真实业务痛点，确保了技术方案的落地价值，推动了广告算法从传统机器学*到生成式AI的快速迭代；从人才培养层面来看，赛事已成为腾讯广告乃至整个行业的人才储备池，2025年赛事前10名战队均获得腾讯校招/社招offer意向，决赛选手的技术方案与工业界无代差；从高校发展层面来看，赛事为高校提供了对接产业需求的平台，推动高校学科布局与技术研究更贴合市场需求，形成了“赛事引领技术创新—技术创新带动人才培养—人才培养支撑产业发展”的良性生态闭环。
展望未来，随着生成式AI技术的持续发展，腾讯广告算法大赛或将聚焦更复杂的全模态生成式广告创意、跨场景协同推荐等方向，而高校战队作为技术创新的核心力量，必将在这场技术浪潮中继续扮演重要角色，为广告算法领域的发展注入源源不断的创新活力。 besthread 发表于 2025-12-10 23:31
从传统机器学*（ML）到生成式 AI：腾讯广告大赛的技术跃迁与高校赢家...中武华哈？zz
自2017年首届举办至 ...
（初步统计）
高校夺冠次数（含核心成员）届次明细
中山大学3 次夺冠 + 1 次亚军2019、2020、2021 三连冠，2025 获亚军
武汉大学2 次（核心成员身份）2019 年随跨校战队 “鱼遇雨欲语与余” 夺冠，2020 年随战队 “DYG” 卫冕冠军
吉林大学1 次夺冠 + 2 次季军2018 年随跨校战队 “葛文强” 夺冠；2017 年随战队 “我很难受” 获季军，2019 年获季军
南京大学1 次2017 年首届冠军（战队 “nju_newbie”）
北京大学1 次2025 年冠军（跨校组队核心成员，战队 “Echoch”）
哈尔滨工业大学1 次2019 年冠军（核心成员，战队 “鱼遇雨欲语与余”）
华中科技大学1 次2025 年冠军（跨校组队核心成员，战队 “Echoch”）
中国科学技术大学1 次2025 年冠军（跨校组队核心成员，战队 “Echoch”）
besthread 发表于 2025-12-11 22:25
（初步统计）
主要高校夺冠次数修正（2017—2025）
高校夺冠次数（含核心成员）届次明细
中山大学3 次夺冠 + 1 次亚军2019、2020、2021 三连冠，2025 获亚军
武汉大学2 次（核心成员身份）2019 年随跨校战队 “鱼遇雨欲语与余” 夺冠，2020 年随战队 “DYG” 卫冕冠军
哈尔滨工业大学2 次（核心成员身份）2018 年随跨校战队 “葛文强” 夺冠；2019 年随跨校战队 “鱼遇雨欲语与余” 夺冠
吉林大学1 次夺冠 + 2 次季军2018 年随跨校战队 “葛文强” 夺冠；2017 年随战队 “我很难受” 获季军，2019 年获季军
南京大学1 次2017 年首届冠军（战队 “nju_newbie”）
北京大学1 次2025 年冠军（跨校组队核心成员，战队 “Echoch”）
华中科技大学1 次2025 年冠军（跨校组队核心成员，战队 “Echoch”）
中国科学技术大学1 次2025 年冠军（跨校组队核心成员，战队 “Echoch”）
besthread 发表于 2025-12-11 22:25
（初步统计）
主要高校夺冠次数修正（2017—2025）
高校夺冠次数（含核心成员）届次明细
中山大学3 次夺冠 + 1 次亚军2019、2020、2021 三连冠，2025 获亚军
武汉大学2 次（核心成员身份）2019 年随跨校战队 “鱼遇雨欲语与余” 夺冠，2020 年随战队 “DYG” 卫冕冠军
哈尔滨工业大学2 次（核心成员身份）2018 年随跨校战队 “葛文强” 夺冠；2019 年随跨校战队 “鱼遇雨欲语与余” 夺冠
吉林大学1 次夺冠 + 2 次季军2018 年随跨校战队 “葛文强” 夺冠；2017 年随战队 “我很难受” 获季军，2019 年获季军
南京大学1 次2017 年首届冠军（战队 “nju_newbie”）
北京大学1 次2025 年冠军（跨校组队核心成员，战队 “Echoch”）
华中科技大学1 次2025 年冠军（跨校组队核心成员，战队 “Echoch”）
中国科学技术大学1 次2025 年冠军（跨校组队核心成员，战队 “Echoch”）
八支队伍从全球1.39万名选手中突围！这场算法大赛近日收官
2026腾讯GG算法大赛（TAAC）于国际数据挖掘顶级赛事KDD Cup 2026现场正式收官，优胜队伍凭借极具创新价值的技术方案胜出，在现场进行成果展示，并接受嘉宾颁奖。其中队伍「lozyyeah」「日之光面」分别获得学术、工业赛道（在职选手）冠军荣誉。前20支队伍合计获奖超过600万元人民币，其中成员来自清华大学、中山大学、武汉大学、山东大学、天津大学等多所高校。
官宣以来，赛事吸引了来自全球52个国家和地区的13913名选手、5746支队伍报名参赛，创下历届新高。
我用 DeepSeek 网页版拿下 KDD Cup 冠军！ -
本届赛事吸引了来自52 个国家和地区的 13,913 名选手，组成5,746 支队伍，覆盖全球907 所院校，学术界与工业界参赛者约占7:3。产业侧有快手KuaiRec相关团队、美团专业推荐团队和NVIDIA派出的多支队伍，也有来自Meta的资深推荐算法专家。换句话说，这不只是一场学生算法竞赛，对手里还有大量每天处理真实推荐流量的工业团队。
600万奖金落定！TAAC × KDD Cup 2026冠军出炉～
赛事亮点
真实实战环境：提供腾讯GG真实业务脱敏数据与高性能算力支持。
职业发展通道：优胜者可获得腾讯全球岗位 Offer 绿通。
学术发表机会：优秀方案将进入 KDD Workshop 正式议程，有机会实现学术发表。
besthread 发表于 2026-8-13 18:51
八支队伍从全球1.39万名选手中突围！这场算法大赛近日收官
「日之光面」获得工业赛道（在职选手）冠军荣誉
——————————
「月之暗面 (Moonshot AI)」 （由广东汕头人杨植麟，创立于2023年；清华大学计算机系，2015年以全系第一名的成绩毕业）。。。
本帖最后由 besthread 于 2026-8-13 19:33 编辑
besthread 发表于 2026-8-13 18:58
「日之光面」获得工业赛道（在职选手）冠军荣誉
英国《金融时报》报道科技人物配图：杨植麟VS马斯克
https://bbs.netbig.top/thread-95281-1-1.html
(出处: 网大论坛)
FT对待中国人不够友善。。。 besthread 发表于 2026-8-13 18:51
八支队伍从全球1.39万名选手中突围！这场算法大赛近日收官
大赛官网：https://algo.q*q.com/
页:
[1]