<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>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 &mdash; 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 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 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

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