<h2><strong>Правила участия</strong></h2>

<p>Нажимая кнопку &laquo;Участвовать&raquo; и/или &laquo;Отправить решение&raquo;, вы соглашаетесь с <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/E-CUP-2026/E-CUP-2026-Rules.pdf" rel="noopener noreferrer" target="_blank">Условиями конкурса Соревнования E-CUP &laquo;Ozon Tech&raquo;</a></p>

<p>Дубли карточек товаров вводят пользователей в заблуждение и усложняют навигацию на маркетплейсе. Задача соотнесения или идентификации одинаковых товаров (матчинга) актуальна и востребованна для любой крупной онлайн-платформы: она должна решаться максимально точно, а скорость самого решения должна поспевать за ростом числа товаров.</p>

<p>В этом соревновании участникам предстоит решить упрощенную постановку задачи матчинга: сами пары кандидатов из Retrieval части задачи уже собраны заранее и подготовлены к тому, чтобы их классифицировали. Однако, не все так просто:</p>

<ul>
	<li>Данных для подготовки решений предоставляется достаточно много &ndash; более 13 миллионов товаров из 20 категорий, и более 11 миллионов размеченных пар;</li>
	<li>Разметка пар происходит из двух источников: более достоверная ручная разметка людьми (365 тысяч пар), а также вероятностная разметка на основе LLM (более 11 миллионов пар);</li>
	<li>Ключевая особенность и ограничение для решений &mdash; они должны работать быстро. Лимиты времени достаточно жесткие, поэтому решения должны обязательно в них укладываться;</li>
	<li>Помимо обучения собственной модели матчинга, участники могут самостоятельно осуществить переразметку данных с использованием LLM. Однако для переразметки допускается использовать только модели с открытой лицензией; применение проприетарных больших языковых моделей запрещено. Код для обучения модели и выполнения разметки должен быть воспроизводимым.</li>
</ul>

<p>Подробнее про данные и их структуру можно узнать на странице <a href="https://ods.ai/competitions/e-cup-2026-matching/dataset" rel="noopener noreferrer" target="_blank">&ldquo;<strong>Данные&rdquo;</strong></a>.&nbsp;</p>

<p>Это контейнерное соревнование:</p>

<ol>
	<li>Обучите модель на предоставленных данных;</li>
	<li>Подготовьте Docker-контейнер и код с весами ваших обученных моделей;</li>
	<li>Отправьте решение в виде архива;</li>
	<li>Ваше решение будет автономно запущено на закрытых тестовых данных.</li>
</ol>

<h3><strong>Входные аргументы решения</strong></h3>

<p>Решение получает на вход следующие именованные аргументы:</p>

<ul>
	<li><code>--items_path</code> <code>-i</code> путь к файлу с данными о товарах (например, <code>items.parquet</code>);&nbsp;</li>
	<li><code>--matches_path</code> <code>-i</code> путь к файлу с подготовленными парами <code>id</code> товаров (например, <code>matches.parquet</code>);&nbsp;</li>
	<li><code>--output-path</code> <code>-o</code> имя файла, в который вам нужно сохранить результат (например, <code>submit.csv</code>).</li>
</ul>

<h3><strong>Формат выходного файла</strong></h3>

<p>Результатом работы решения должен быть <code>.csv-</code>файл с тремя столбцами:&nbsp;</p>

<ul>
	<li>Столбец <code>id1</code> должен содержать предоставленные идентификаторы первых товаров в паре для сравнения;</li>
	<li>Столбец <code>id2</code> должен содержать предоставленные идентификаторы вторых товаров в паре для сравнения;</li>
	<li>Столбец <code>predict</code> должен быть вашим результатом классификации (num &mdash; разрешены &laquo;сырые&raquo; результаты предсказаний).</li>
</ul>

<h3><strong>Docker-образ</strong></h3>

<p>В архиве с решением должны быть все необходимые для работы модели файлы.&nbsp;</p>

<p>Главное &mdash; в архиве должен быть файл <code>metadata.json</code> с указанием используемого докер-образа (рекомендуем начать с <code><strong>odsai/ecup26-matching-baseline:1.0</strong></code>) и строки для запуска вашей модели:</p>

<pre>
<code class="language-javascript">{
   "image": "odsai/ecup26-matching-baseline:1.0",
   "entry_point": "python -u run.py"
}</code></pre>

<p>Участники могут собрать свой собственный Docker-образ:</p>

<ul>
	<li>Можно использовать стартовый baseline-образ, но при необходимости установки каких-либо дополнительных библиотек, вам нужно будет собрать новый образ под свое решение;</li>
	<li>Чтобы использовать свой образ при проверке решений, вы должны выложить его на dockerhub <a href="https://hub.docker.com/" rel="noopener noreferrer" target="_blank">https://hub.docker.com</a>. Укажите его в <code>metadata.json</code> и тогда проверочная система при запуске скачает архив вашего образа;</li>
	<li>У образов есть ограничение: в заархивированном виде они не должны превышать <code>15,000 MB</code>;</li>
	<li>Если вы впервые сталкиваетесь с Docker, вам может помочь <a href="https://youtu.be/KwVfwnlzLpE" rel="noopener noreferrer" target="_blank">вебинар о том, как собрать докер</a>.&nbsp;</li>
</ul>

<p>Решения проверяются автоматически, а сама проверка проходит в 3 стадии:</p>

<ol>
	<li><strong>Docker</strong>: решение должно успешно автономно отработать на закрытых тестовых данных, уложиться по времени и доступным ресурсам, и в результате сохранить <code>.csv</code> файлы с результатами классификации пар;</li>
	<li><strong>Result:</strong> сохраненные результаты классификации пар должны соответствовать заданному формату и быть предоставлены для всех тестовых пар товаров;</li>
	<li><strong>Подсчет метрики:</strong> если решение прошло все проверки и нигде не упало, на результатах классификации считается метрика соревнования.</li>
</ol>

<h3><strong>Docker-стадия</strong></h3>

<ul>
	<li>Запуск решений происходит&nbsp;в изолированной среде без доступа в интернет:&nbsp;
	<ul>
		<li>Все библиотеки и их версии должны быть уже загружены в вашем Docker-образе;</li>
		<li>Запуск происходит на полностью закрытых тестовых данных, которые не доступны и не передаются участникам;</li>
		<li>Обратите внимание, что в тестовых данных будут другие товары.&nbsp;</li>
	</ul>
	</li>
	<li>Решения запускаются последовательно на 3 закрытых наборах тестовых данных:
	<ol>
		<li><code>Check</code>, отладочные 1000 пар товаров, которые не идут в рейтинг;</li>
		<li><code>Public</code> test, для результатов на <strong>Public-</strong>лидерборде в течение соревнования;</li>
		<li><code>Private</code> test, для итоговых результатов <strong>Private-</strong>лидерборда.</li>
	</ol>
	</li>
	<li>Решение считается успешно прошедшим Docker стадию на одном из тестовых наборов данных, если:&nbsp;
	<ul>
		<li>Решение успешно сохранило выходной файл с результатами классификации пар;</li>
		<li>Решение уложилось в ресурсные и временные ограничения;</li>
		<li>Если решение упало на одном из тестовых наборов данных &ndash; оно не оценивается, а процесс проверки завершается.</li>
	</ul>
	</li>
</ul>

<h3><strong>Result-стадия</strong></h3>

<ul>
	<li>Успешно сохраненные выходные файлы должны соблюдать ряд требований:
	<ul>
		<li>Файл должен строго соответствовать описанному <code>.csv-</code>формату;</li>
		<li>Каждой без исключения предоставленной тестовой паре товаров должен соответствовать результат классификации;&nbsp;</li>
		<li>Если сохраненный файл не соответствует этим требованиям, решение считается некорректным, а его дальнейшее исполнение завершается с ошибкой.</li>
	</ul>
	</li>
	<li>Результат работы решения осуществляется путем сопоставления с известными истинными метками тестовых пар товаров:
	<ul>
		<li>Если решение успешно прошло все проверки на каждом тестовом наборе товаров, для решения считается метрика соревнования;</li>
		<li>Истинные метки в тестовых данных доступны только организаторам.</li>
	</ul>
	</li>
</ul>

<h3><strong>Метрика соревнования</strong></h3>

<p>Метрика соревнования &mdash; <strong>Macro Averaged PR-AUC</strong> (Area Under Precision-Recall Curve; площадь под кривой &laquo;полнота-точность&raquo;)<strong>.&nbsp;</strong><br />
По каждой из 20 категорий считается <strong>PR-AUC,</strong> после чего все полученные результаты метрики усредняются.&nbsp;</p>

<p>Для расчета метрики используется ее <strong>sklearn</strong> имплементация:&nbsp;</p>

<pre>
<code class="language-bash">from sklearn.metrics import average_precision_score</code></pre>

<p>Обратите внимание, что использование функции <code>auc</code> для самой Precision-Recall кривой <a href="https://scikit-learn.org/stable/modules/generated/sklearn.metrics.precision_recall_curve.html" rel="noopener noreferrer" target="_blank">средствами sklearn</a> приведет к завышению показателей метрики ввиду особенностей процедуры подсчета (интерполяции точек кривой).&nbsp;</p>

<p>Соотношение public/private в соревновании составляет приблизительно 30/70:&nbsp;</p>

<ul>
	<li>~30%, или в районе 115 тысяч пар товаров используются для результатов на public-лидерборде. &nbsp;</li>
	<li>~70%, или в районе 275 тысяч пар товаров используются для результатов на private-лидерборде.</li>
</ul>

<h4><strong>Доступные ресурсы для решений</strong></h4>

<ul>
	<li>20 ядер CPU</li>
	<li>200Gb RAM</li>
	<li>Видеокарта NVidia Tesla H100 (80Gb)</li>
</ul>

<h4><strong>Ограничения по времени:</strong></h4>

<ul>
	<li><code>Check</code>: 1 минута</li>
	<li><code>Public</code>: 6 минут</li>
	<li><code>Private</code>: 13 минут</li>
</ul>

<h4><strong>Ограничения для решений</strong></h4>

<ol>
	<li>Архив с решением: 5GB</li>
	<li>Docker-образ: 15GB</li>
</ol>

<h4><strong>Ограничения для команд</strong>:</h4>

<ul>
	<li>Максимальное число решений в день: 5</li>
	<li>Максимальное число участников в команде: 5</li>
	<li>Число выбранных финальных решений: 2</li>
</ul>

____
# Определение призеров

<p>В соответствии с правилами, соревнование проходит в несколько этапов:</p>

<ol>
	<li>Онлайн-этап соревнования:
	<ul>
		<li>В рамках онлайн-этапа соревнования участники отправляют свои решения и улучшают свой результат на public-лидерборде.&nbsp;</li>
		<li>В конце онлайн формата участники выбирают свои финальные решения, а на их основе формируется итоговый private-лидерборд.</li>
		<li>Топ-15 команд с private-лидерборда переходят на следующий этап.</li>
	</ul>
	</li>
	<li>Этап определения финалистов:&nbsp;
	<ul>
		<li>Жюри запрашивает у команд, вошедших в топ-15 приватного рейтинга, исходные репозитории решений для проведения проверки.</li>
		<li>Представленные командами репозитории проверяются на соответствие установленным правилам.</li>
		<li>По результатам проверки жюри определяет и утверждает 5 команд-финалистов.</li>
		<li>Если репозитории всех команд, занявших первые 5 мест в приватном рейтинге, соответствуют правилам, эти команды проходят в финальный этап. В случае дисквалификации одной или нескольких команд их места переходят следующим командам в порядке приватного рейтинга при условии успешного прохождения проверки.</li>
	</ul>
	</li>
	<li>Финальный этап и определение призеров:&nbsp;
	<ul>
		<li>Команды-финалисты приглашаются для участия в питч-сессии очно в Москве и онлайн.</li>
		<li>Команда должна будет презентовать свое решение и ее репозиторий перед жюри.</li>
		<li>На основе презентаций жюри утверждает 3 команды победителей.</li>
		<li>Награждение победителей пройдёт на конференции E-CODE.</li>
	</ul>
	</li>
</ol>

Участникам необходимо решить задачу идентификации одинаковых товаров на основе текстовой информации из их карточек.

Public

Private

Данные

Agreement_services

<p>Я согласен(-на) с <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/odsaifooter/20250312_Service_agreement_ODSai.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/E-CUP-2026/E-CUP-2026-Rules.pdf">Правил проведения онлайн-соревнования&nbsp;</a></p>

<p>Благодарим за интерес к серии соревнований&nbsp;E-CUP 2026</p>

<p>Заполните, пожалуйста, форму ниже.&nbsp;</p>

<p>Поля и согласия, отмеченные&nbsp; (*) - обязательные.</p>

last_name

Last name

first_name

First name

middle_name

Middle name

date_birth

Date of birth (format: 25.01.2000)

phone

Phone

email

Email

tg_name

Your telegram nickname

city

City (lat)

study_place2

Company/study place name

work_position

Work position

CV link

Experience

Experience in DC

referral

How did you know about the competition?

Registration application for E-CUP 2026

E-CUP 2026. Задача 1: Матчинг товаров

Predictions

<p>Итоговая версия приватного рейтинга по результатам проверки решений (Этап 2).&nbsp;</p>

#	Teams (154)	Mean PR-AUC	Last	Entries
1	Radiance	0.5586770442	6w	67
2	FatBoost	0.5537474205	6w	43
3	Daniil Stepanov	0.5501702586	6w	84
OOC	-	0.5498417339	6w	38
4	lazy67	0.5435866764	6w	28
5	uralmash mentality	0.5418932995	6w	69
OOC	Я РЫБОЛОВ ТЫ МОЙ УЛОВ	0.5411871369	6w	65
6	дружная команда	0.5388052227	6w	51
7	Roma Bazuka	0.5384698955	6w	42
OOC	ELABS	0.5384125931	6w	16
8	455 база ответьте	0.5380943093	6w	16
OOC	Andrey Kuznetsov	0.5288484811	6w	37
9	oa5914c678088	0.5286363883	6w	9
10	Филин Матвей Викторович	0.5265024073	6w	13
11	Ecom амбассадоры гигачат	0.5234822337	7w	20
12	Perpetual Motion Squad	0.5221060369	6w	11
13	MNOGO DGT	0.5209645112	6w	5
14	TREN_FORCE	0.5207232202	6w	13
15	Artem Khimin	0.5198113597	6w	51
16	YOUNGPROMPT1337	0.519047971	6w	49
17	Олеговичи Ивановичи	0.5189333262	6w	41
18	IGF_ONLY	0.5185393977	6w	19
19	ICEQ	0.5183956164	6w	12
20	antontsd	0.5173610591	6w	32
21	PEDRO CHILL	0.5143441144	6w	22
22	CaPiTaN TvImSa	0.5141612776	6w	13
23	Flex	0.5135913231	6w	8
24	h715a8c2a395e	0.5130993204	6w	4
25	Tagir Analyzes	0.5126688242	6w	37
26	не пустили в клуб клуб	0.5125411682	6w	23
27	guala	0.5086785227	6w	26
28	xxxbar19	0.5075259269	7w	21
29	C2W	0.5071668666	7w	8
30	ribalka na zhivca	0.5051706919	6w	19
31	Вайбкодеры ИТМО	0.5035164729	6w	43
32	M G	0.502960814	6w	3
33	шеф	0.501023776	7w	21
34	Owl Prime	0.4988493272	2m	14
35	6quad 7even	0.4966665075	7w	42
36	запредельный йухан	0.4955139672	7w	3
37	e45aebc17d00a	0.4935233454	7w	9
38	представитель группы лес	0.4918508818	7w	31
39	Фича	0.4909475413	6w	29
40	nff83c496ec81	0.4909475413	6w	2
41	Danil Kuznetsov	0.4860358182	6w	5
42	нью-йорк x MISIS	0.4852561819	6w	17
43	team	0.4846886852	7w	35
44	YOLO	0.4842322704	7w	6
45	zff2cd6ec9964	0.4832594408	6w	9
46	Ouroboros	0.4830500063	7w	15