腾讯QQ浏览器2021AI算法大赛，北大冠军团队经验分享，附详细代码机器之心专栏机器之心编辑部

机器之心专栏
机器之心编辑部
一文梳理腾讯QQ浏览器2021AI算法大赛冠军方案。
历时两个多月的腾讯QQ浏览器2021AI算法大赛[9]已经告一段落，大赛自2021年8月15日启动以来，受到了全球AI算法爱好者及业界的广泛关注。整个赛程历时68天，覆盖全球279个城市，共吸引来自276个不同高校、企业和社会的算法精英1853人，组成852支队伍参赛，其中进入决赛的TOP20队伍就涵盖了北京大学、清华大学、复旦大学、香港科技大学、中科院大学、华南理工大学、浙江大学、西安交大、中山大学、西安电子科技大学等顶尖院校，也有来自德国、加拿大等国际高校的学生，期间共完成了近7000次提交。

文章图片
腾讯QQ浏览器为优秀参赛团队提供价值共计41.7万人民币的总奖池，除此之外每个赛道前15名队伍将会额外收获校招直通复试卡，前8名队伍可获得QQ浏览器实习生直通终面卡。
首届AI算法大赛议题设置“多模态视频相似度”和“自动超参数优化”两大赛道，以下为“自动超参数优化”赛道冠军团队，来自北京大学的队伍PKU-DAIR的方案分享。（PKU-DAIR队成员：姜淮钧、沈彧、黎洋）
团队介绍
PKU-DAIR团队的三位成员来自北京大学崔斌教授DAIR实验室的AutoML自动化机器学习项目组。团队研究方向包括超参数优化（HPO）、神经网络结构搜索（NAS）、自动化机器学习系统（AutoMLSystem）等。团队不仅在国际顶级会议上发表了多篇论文，为提高AutoML技术的易用性与可用性，团队还相继在Github开源了黑盒优化系统OpenBox[1][7]、自动化机器学习系统MindWare[2][8]等。
在本次自动化超参数优化赛道中，团队基于实验室自研开源黑盒优化系统OpenBox进行调参。初赛时使用OpenBox系统中的并行贝叶斯优化（Bayesianoptimization）算法，决赛在初赛基础上加入早停机制。比赛代码已在Github上开源[3] 。下面将进行详细介绍。
Rank1st比赛代码开源地址：https://github.com/PKU-DAIR/2021_AIAC_Task2_1st黑盒优化系统OpenBox地址：https://github.com/PKU-DAIR/open-box
文章图片
初赛算法介绍
赛题理解
在信息流推荐业务场景中普遍存在模型或策略效果依赖于“超参数”的问题，而“超参数''的设定往往依赖人工经验调参，不仅效率低下维护成本高，而且难以实现更优效果。因此，本次赛题以超参数优化为主题，从真实业务场景问题出发，并基于脱敏后的数据集来评测各个参赛队伍的超参数优化算法。
参赛者需要提交超参数生成的算法代码，算法每一轮需要提供一组超参数，裁判程序会返回超参数对应的reward 。参赛者的算法要求在限定的迭代轮次和时间内，找到reward尽可能大的一组超参数，最终按照找到的最大reward来计算排名。
针对该赛题，优化器需要在每轮以同步并行方式推荐5个超参数配置，共执行20轮推荐，即总共搜索100个超参数配置。对每个超参数配置均执行完整资源的验证，并且在比赛的问题抽象中，不同超参数的验证时间相同。
根据现有研究，贝叶斯优化是超参数优化（黑盒优化）问题上SOTA的方法，而且比赛场景中的超参数空间维度不超过6维，并非超高维问题，较适合贝叶斯优化方法，因此我们选定贝叶斯优化作为初赛的搜索算法。另外，问题中所有的超参数均为连续型（离散浮点型）超参数，这决定了我们的超参数空间定义方法、贝叶斯优化代理模型以及优化器的选择，接下来也将分别进行介绍。