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

<p>При публикации товаров Ozon тщательно проверяет товары на соответствие правилам площадки. Правила проверки зависят от различных характеристик товара и верное определение таких характеристик непосредственно влияет на проверку товара.</p>

<p>В этом соревновании участникам предстоит построить алгоритм, помогающий сотрудникам определять характеристики товара еще на этапе создания его карточки. Однако одного только результата классификации товара недостаточно. От алгоритма также требуется генерация объяснения причин своего вердикта для проверяющего сотрудника.</p>

<p>Участникам предлагается попробовать свои силы в новых возможностях LLM и VLM на реальных данных онлайн маркетплейса:</p>

<ul>
	<li>Данные предоставлены в двух очень разных по своим распределениям категориям: &laquo;БАД-ы&raquo; и &laquo;Легковоспламеняющиеся&raquo; товары;&nbsp;</li>
	<li>Для каждого товара вам предстоит работать и с текстовыми данными, и с изображениями (от 1 до 5 штук);</li>
	<li>В качестве ответов ваши решения должны выдавать и результат классификации, и генерировать объяснения к полученному результату.&nbsp;</li>
</ul>

<p>Подробнее про данные и их структуру можно узнать на странице <a href="https://ods.ai/competitions/e-cup-2026-quality/dataset" rel="noopener noreferrer" target="_blank">&ldquo;<strong>Данные&rdquo;</strong></a>.&nbsp;</p>

<h3><strong>VLM-модели</strong></h3>

<p>Помочь справиться с задачей могут малые VLM-модели и мультимодальные эмбеддинги:&nbsp;</p>

<ul>
	<li>Список моделей, с которыми предстоит работать, заранее известен и ограничен;&nbsp;</li>
	<li>Разрешено использовать малые (до 4B) модели с открытой лицензией, которые будут доступны вашим решениям в процессе их запуска;</li>
	<li>Модель может быть включена в сам архив с решением при условии, что размер архива с решением будет в пределах допустимого (до 5ГБ), а модель будет иметь открытую лицензию и легальный статус (qwythos-like модели запрещены);</li>
	<li>Допустимым и ожидаемым является обучение участниками своих LoRA-адаптеров под задачу. При этом весь pipeline обучения, включая подготовку обучаемых объяснений, должен также соответствовать правилам (особенно в части открытости и легальности; обучение на объяснениях закрытой проприетарной модели запрещены правилами).</li>
</ul>

<p>Подробнее про модели, а также про примеры решений можно также узнать на странице <a href="https://ods.ai/competitions/e-cup-2026-quality/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>--test_data_path</code> <code>-i</code> путь к файлу с тестовыми товарами (например, <code>test.csv</code>); путь к папке с изображениями товаров получается напрямую на основе этого пути, см. пример baseline решения;</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 двумя столбцами:&nbsp;</p><ul><li>Столбец <code>id</code> должен содержать предоставленные идентификаторы товаров.</li><li>Столбец <code>result</code> должен быть сгенерированным ответом в строго заданной форме:<ul><li><code>&lt;комментарий&gt;...&lt;вердикт&gt;</code>, без закрывающих тегов;</li><li><code>вердикт</code> должен быть строго бинарным: либо <code>бан</code>, либо <code>не бан</code>;</li><li><code>комментарий</code> должен быть строго от 50 до 300 символов.</li></ul></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 — в архиве должен быть файл <code>metadata.json</code> с указанием используемого докер-образа (рекомендуем начать с <code><strong>odsai/ecup26-quality-baseline:1.0</strong></code>) и строки для запуска вашей модели:</p><pre><code class="language-javascript">{
   "image": "odsai/ecup26-quality-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 target="_blank" rel="noopener noreferrer" href="https://hub.docker.com/">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 target="_blank" rel="noopener noreferrer" href="https://youtu.be/KwVfwnlzLpE">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 сгенерировать <code>.csv-</code>файлы с ответами;</li>
	<li><strong>Result:</strong> сгенерированные ответы должны соответствовать заданному формату и быть предоставлены для всех тестовых товаров;</li>
	<li><strong>Подсчет метрики:</strong> если решение прошло все проверки и нигде не упало, на сгенерированных результатах 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 10 примеров, 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 сгенерировало выходной файл;</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 сгенерированные выходные файлы должны соблюдать ряд требований:
	<ul>
		<li>Файл должен строго соответствовать описанному <code>.csv</code>-формату;</li>
		<li>Сгенерированные результаты должны строго соблюдать описанный формат и требования;&nbsp;</li>
		<li>Каждому предоставленному тестовому товару без исключения должен соответствовать сгенерированный результат;&nbsp;</li>
		<li>Если сгенерированный 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 качества 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 F1 score.&nbsp;</strong><br />
По обеим категориям считается F1 мера, после чего оба результата 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 f1_score</code></pre>

<p>Соотношение public/private в соревновании составляет приблизительно 30/70:&nbsp;</p>

<ul>
	<li>~30%, или в районе 1600 товаров используются для результатов на public лидерборде. &nbsp;</li>
	<li>~70%, или в районе 3800 товаров используются для результатов на private лидерборде.</li>
</ul>

<h4><strong>Доступные ресурсы для решений</strong></h4>

<ul>
	<li>20 ядер CPU</li>
	<li>100Gb RAM</li>
	<li>Видеокарта NVidia Tesla H100 (80Gb)</li>
</ul>

<h4><strong>Ограничения по времени:</strong></h4>

<ul>
	<li><code>Check</code>: 3 минуты</li>
	<li><code>Public</code>: 20 минут</li>
	<li><code>Private</code>: 40 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 разработать классификатор, который на основе заданных правил будет определять, относится ли товар к категории легковоспламеняющихся товаров или биологически активных добавок. Классификатор также должен формировать итоговый вердикт и объяснять принятое решение, используя данные о названии и описании товара, а также его изображения. В качестве примеров используются товары из категорий, для которых на маркетплейсах действуют повышенные требования к модерации и проверке. Задание моделирует типовые сценарии автоматической проверки карточек товаров.

Public

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 2: Контроль качества

Predictions

vladyka shlyapi do kadyka

Yuri Korobkov

Artem Khimin

pusheen

347cc0148476edd1d0e92389c

AlfachiLL

dd133c39b8376

Tagir Analyzes

v1df783974cc4

b2b ai saas

BBR Team

я рыболов и ты мой улов

krutochka tak nazivaemaya

calmgnom

ML Clan

AvitoDLivery

itmo minimax swift

Vasilii Kudriavtsev

дружная команда

Филин Матвей

Daniil Stepanov

чикипаупау

SUUUUUUIIIIIII

DeepTech AI

Yar Uzkiy

Бабушкин Огурчик

Oleg Andreev

WB fanboy

Matthew I

qdd9772c05f7c

Зюзюка

RUBlevka

AI-THE-BEST

washed up

f7513b0191d35

PirateThunder

это юургу

stepprog

je0af01b1594e

R2 negative

BigGhut

чечеловечность

0 точка 99

Владимир

FROGAPROGA

Касим Найко

Elvina

Павел Говряков

ofef2955e28da

Macro Averaged F1 score

#	Teams (144)	Macro Averaged F1 score	Last	Entries
1	vladyka shlyapi do kadyka	0.9682242991	31h	24
2	Yuri Korobkov	0.9665409991	6h	7
3	Artem Khimin	0.9606116775	5h	58
4	-	0.9342574882	6h	54
5	pusheen	0.9261642157	5h	30
6	347cc0148476edd1d0e92389c	0.9229088283	5h	24
7	AlfachiLL	0.9216818145	5h	56
8	dd133c39b8376	0.9203818059	14h	2
9	Tagir Analyzes	0.9193236715	38h	26
10	v1df783974cc4	0.9171043147	3d	1
11	b2b ai saas	0.9168088205	3d	62
12	BBR Team	0.9168088205	6h	46
13	я рыболов и ты мой улов	0.9150328097	5h	85
14	krutochka tak nazivaemaya	0.9126004507	5d	22
15	calmgnom	0.9067237311	8h	20
16	ML Clan	0.9042222978	4d	30
17	AvitoDLivery	0.8996617362	5h	64
18	itmo minimax swift	0.8923976821	11h	30
19	Vasilii Kudriavtsev	0.8914876198	10d	53
20	дружная команда	0.8828580448	5h	24
21	Филин Матвей	0.8490062692	3d	9
22	Daniil Stepanov	0.8435185185	9h	100
23	чикипаупау	0.8425692137	6d	43
24	SUUUUUUIIIIIII	0.842325219	13h	13
25	DeepTech AI	0.8421251348	4d	12
26	Yar Uzkiy	0.8369842738	14d	16
27	Бабушкин Огурчик	0.8369842738	16d	9
28	Oleg Andreev	0.8361864577	5h	34
29	WB fanboy	0.8360592044	17d	10
30	Matthew I	0.8332757549	41h	9
31	qdd9772c05f7c	0.8276133089	8h	40
32	Зюзюка	0.8227538543	6h	21
33	RUBlevka	0.8220095694	18h	20
34	AI-THE-BEST	0.8219757197	17h	65
35	washed up	0.8186864015	17d	10
36	f7513b0191d35	0.8180490921	6h	9
37	PirateThunder	0.8157908415	16d	17
38	это юургу	0.8142217631	19d	7
39	stepprog	0.8128640777	3d	14
40	je0af01b1594e	0.81064417	10d	3
41	R2 negative	0.8083877449	16d	19
42	BigGhut	0.8074928811	2d	9
43	чечеловечность	0.8063727378	4d	13
44	0 точка 99	0.8046244698	28h	17
45	Владимир	0.8032150895	13h	3
46	FROGAPROGA	0.802782747	19d	3
47	Касим Найко	0.7998491179	11d	7
48	Elvina	0.7996896338	5h	17
49	Павел Говряков	0.7984679666	11d	1
50	ofef2955e28da	0.7969477383	19d	8