FeaturedBanner-b04ccd1c

Хаб

FeaturedBanner-e9690d8d

Чат соревнования

FeaturedBanner-9d8a6129

Доска AI объявлений. Канал DS инженеров Авито.

FeaturedBanner-658cc329

Канал разработчика соревнования

# Ранжирование рекомендаций Авито

В этом соревновании вам предстоит построить модель ранжирования объявлений в рекомендательной ленте Авито. Для каждой ленты уже подготовлен набор кандидатов. Задача — расположить выше объявления, с которыми пользователь с большей вероятностью совершит целевое действие.

Участникам доступны обезличенные данные о рекомендательных выдачах: признаки кандидатов, векторные представления пользователей и объявлений, а также история пользовательских событий.ьных выдачах: признаки кандидатов, векторные представления пользователей и объявлений, а также история пользовательских событий.

# Задача

Каждая лента определяется идентификатором `feed_id`. Для каждого объявления в ней необходимо предсказать числовую оценку `score`: чем выше оценка, тем выше объявление должно находиться в ленте.

Целевая метка `target` бинарная:

- `1` — зафиксировано хотя бы одно событие из набора целевых действий;
- `0` — таких событий не зафиксировано.

Все события из целевого набора имеют одинаковый вес. Ранжирование выполняется внутри каждой ленты; сопоставимость оценок между разными лентами не требуется.

# Данные

Датасет разделён по времени на train, val и test. Train предназначен для обучения, val — для локальной проверки качества и подбора параметров, test — для итоговых предсказаний. Метки test участникам не выдаются.

Val и test собраны из выдач, в которых кандидаты были равномерно случайно перемешаны ещё до показа пользователю. Целевые метки сформированы по обратной связи после этих показов. При подготовке файлов кандидаты также перемешаны вместе со всеми их признаками; исходные позиции в val и test не публикуются.

Каждая лента содержит как минимум пять кандидатов после фильтрации. Участникам доступны пять нормализованных числовых признаков, категории, 128-мерные эмбеддинги и история до 256 событий пользователя.

Подробная структура файлов и правила подготовки приведены в разделе [«Данные»](Данные.md).

# Формат решения

Решение загружается в формате Parquet с тремя колонками:

| Колонка | Тип | Описание |
| --- | --- | --- |
| `feed_id` | `int32` | Идентификатор тестовой ленты. |
| `item_id` | `int32` | Идентификатор объявления-кандидата. |
| `score` | `float32` | Оценка релевантности: большее значение соответствует более высокой позиции. |

Используйте `sample_submission.parquet` как шаблон: сохраните все пары `(feed_id, item_id)` и замените `score` предсказаниями модели.

Требования к решению:

- ровно одна оценка для каждой пары из тестовой выборки;
- без пропущенных, лишних и повторяющихся пар;
- без пустых значений, `NaN` и бесконечных оценок.

Порядок строк не влияет на результат. Объявления сортируются по убыванию `score` внутри каждой ленты. Оценка не обязана быть вероятностью или находиться в диапазоне от 0 до 1.

# Метрика

Основная метрика соревнования — **NDCG**. Она учитывает положение положительных: чем выше они расположены, тем больше их вклад.

Для каждой ленты сначала рассчитывается:

```text
DCG = Σ target_i / log2(i + 1),  i = 1, …, число кандидатов
NDCG = DCG / IDCG
```

Здесь `i` — позиция после сортировки по предсказанной оценке, начиная с 1. `IDCG@30` — значение DCG@30 при идеальном порядке, когда все положительные примеры расположены выше отрицательных.

Итоговая метрика — среднее NDCGпо лентам. Все ленты имеют одинаковый вес независимо от числа кандидатов. Чем выше метрика, тем лучше решение.

Особенности эталонного расчёта:

- при одинаковых `score` отрицательные примеры располагаются перед положительными;
- если положительных примеров в ленте нет, NDCG принимается равным 1. Это правило расчёта; сборщик датасета отбирает ленты с положительными примерами.

# Public и Private

Тестовая выборка разделена хронологически: примерно первые 30% лент относятся к Public, оставшиеся 70% — к Private.

Граница выбирается максимально близко к 30% по числу лент. Ленты с одинаковым временем записи остаются в одной части, поэтому точная пропорция может немного отличаться. Каждая лента целиком относится к Public или Private; разбиение не гарантирует непересечение пользователей между частями.

Во время соревнования участники видят NDCG на Public. Итоговые места определяются по NDCG на Private после завершения соревнования.

# Бейзлайны

Скачайте [бейзлайны с Яндекс Диска](https://disk.yandex.ru/d/-yiHFTmh4VIAIQ). Для старта подготовлены два решения:

- **CatBoostRanker с YetiRank** — использует числовые признаки, категории и признаки сходства эмбеддингов.
- **Transformer** — совместно обрабатывает эмбеддинг пользователя и кандидатов ленты.

Оба бейзлайна сохраняют предсказания в формате `feed_id, item_id, score`. Команды запуска приведены в разделе [«Данные»](Данные.md#бейзлайны).

<h2><strong>Информация для участников</strong></h2>

<p>Участники могут объединяться в команды до 4 человек.</p>

<p>Канал общения и обсуждения между участниками всех вопросов &mdash; <a href="https://t.me/+3bJmHVSkojJkNGJi" rel="noopener noreferrer" target="_blank">https://t.me/+3bJmHVSkojJkNGJi</a>&nbsp;</p>

<p>Период выбора итоговых решений с 09 декабря 2026 г. 00:00 по 09 декабря 2026 г. 12:00</p>

<h2><strong>Правила участия</strong></h2>

<p>Ознакомиться с <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/AvitoTechMLCup_2026_Recsys/Rules_Avito_tech_ML_cup_2026.pdf" rel="noopener noreferrer" target="_blank">Правилами участия&nbsp;</a> можно здесь</p>

<h2><strong>Проверка решений</strong></h2>

<ul>
	<li>Решения проверяются автоматически. Запуск происходит на полностью закрытых тестовых данных, которые не передаются участникам.</li>
	<li>На лидерборде рейтинг участников будет рассчитываться по Public подвыборке ответов из тестовых данных. Финальные метрики будут рассчитаны на Private подвыборке. Отношение Public/Private - 30/70.</li>
	<li>Кол-во сабмитов в день: 5</li>
	<li>Метрика соревнования &mdash; NDCG</li>
	<li>После выбора итогового решения, топ 10 участников должны прислать свое решение&nbsp;</li>
</ul>

<h2><strong>Данные</strong></h2>

<p>Все файлы и их описание вы найдете во вкладке &ldquo;Данные&rdquo; после старта соревнований</p>

<h2><strong>Призовой фонд</strong></h2>

<p>1 место - 750 000 руб.&nbsp;</p>

<p>2 место - 450 000 руб.</p>

<p>3 место - 300 000 руб.</p>

Public

Данные для участников

Agreement

<p>Я согласен(-на) с <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/odsaifooter/Service_agreement.pdf">Соглашением об услугах</a>. Обработка персональных данных Участников Активностей производится на основании Соглашения об услугах.</p>

Rules

<p>Нажимая &quot;Отправить&quot; я соглашаюсь с условиями <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/AvitoTechMLCup_2026_Recsys/Rules_Avito_tech_ML_cup_2026.pdf">Правил проведения онлайн-соревнования&nbsp;</a></p>

<p>Благодарим за интерес к соревнованию!</p>

<p>Заполните, пожалуйста, форму ниже.</p>

<p>Согласия, отмеченные&nbsp; (*) - обязательные.</p>

#	Teams (28)	NDCG	Last	Entries
1	cad3fc361996b	0.3755016314	3min	1
2	Maxim Bolgov	0.3744053768	6min	5
3	ASISI	0.3721763644	6h	5
4	pedro chill	0.3682593234	17h	2
5	Мимо проходил	0.3664730149	2h	2
6	Вячеслав Арсеньев	0.36592628	34min	5
7	Nikita Stepochkin	0.3659144812	4h	5
8	патом придумать	0.3654778368	4h	5
9	k3ed0224b144c	0.3645848544	6h	6
10	va795294b7046	0.3641530575	2h	3
11	ты моя	0.3641207756	19h	5
12	Васиф Гаджиев	0.3622315819	35min	3
13	НЯМ УМНЯМ	0.3615281129	5h	8
14	svet	0.3600871046	40min	4
15	BREAK THE PATTERN	0.3562595773	13min	2
16	Гаврильев Максим	0.3537895245	6h	1
17	captain dutch steering	0.3534594254	5h	2
18	r9973b34e4654	0.3524063433	8h	9
19	Earl Babloff	0.3523008244	21h	2
20	петроградка national team	0.3514138934	4h	3
21	Andrey Kuznetsov	0.35029385	18min	3
22	crichton	0.3501888398	12h	2
23	Mikhail	0.3462979494	71min	2
24	baseline	0.3457350908	31h	1
25	qqbb	0.3441518427	19min	4
26	Андрей Ганин	0.3421346976	69min	5
27	ec5b721c522bf	0.3334554783	18h	4
28	Vibe Coder	0.2816378025	23h	1