<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

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

#	Teams (144)	Macro Averaged F1 score	Last	Entries
1	347cc0148476edd1d0e92389c	0.8723967687	6w	24
2	ML Clan	0.8717948718	6w	30
3	Oleg Andreev	0.8715335103	6w	34
4	дружная команда	0.8679302239	6w	24
5	strq	0.8676432456	6w	6
OOC	v1df783974cc4	0.8654335518	6w	1
6	я рыболов и ты мой улов	0.8652926543	6w	85
7	это юургу	0.8644397759	2m	7
8	pusheen	0.860606672	6w	30
9	Yuri Korobkov	0.8593120242	6w	7
OOC	-	0.8577519255	6w	54
OOC	AlfachiLL	0.8561821388	6w	56
OOC	dd133c39b8376	0.8540907286	6w	2
OOC	HW	0.8520014937	8w	14
10	krutochka tak nazivaemaya	0.851675898	7w	22
11	calmgnom	0.847574741	6w	20
12	Tagir Analyzes	0.8466466466	6w	26
13	Matthew I	0.8462428873	6w	9
14	AvitoDLivery	0.8448307689	6w	64
15	gpteam	0.8419815219	7w	17
16	Danil Galkin	0.8415252109	6w	18
17	Fors Nazhor	0.8414454437	6w	9
18	Danil Kuznetsov	0.8413811613	7w	4
19	qdd9772c05f7c	0.8410307454	6w	40
20	Yar Uzkiy	0.8407928193	8w	16
21	k81e5662638ec	0.8393480385	6w	12
22	Филин Матвей	0.8391158316	6w	9
23	Зюзюка	0.8357356339	6w	21
24	RUBlevka	0.8354685971	6w	20
25	R2 negative	0.835182528	2m	19
26	r934bac61fa13	0.8340548341	7w	3
27	AI-THE-BEST	0.8331576881	6w	65
28	Нулевой Закон	0.8322153704	6w	11
29	dotdotslash	0.8319745265	6w	3
30	itmo minimax swift	0.8319168174	6w	30
31	няяя	0.8314455405	6w	4
32	SUUUUUUIIIIIII	0.8281049802	6w	13
33	ShakalPhonk18plus	0.826764429	7w	6
34	DLtonics	0.8264107673	7w	5
35	wec7216aee5de	0.825150306	2m	6
36	Artem Khimin	0.8246838638	6w	58
37	чечеловечность	0.8239660237	6w	13
38	vladyka shlyapi do kadyka	0.8239170493	6w	24
39	It is dudesday	0.8232650592	6w	20
40	Vasilii Kudriavtsev	0.8222871046	7w	53
41	BBR Team	0.8220621763	6w	46
42	u55919a99c0ed	0.8213844209	8w	13
43	333	0.8204608762	8w	15
44	0 точка 99	0.817223034	6w	17
45	stepprog	0.8154948034	6w	14