想进OpenAI？先解出这道题，百万美元算力已就位

AI-Agent3小时前发布 almosthuman2014

55 0 0

文章摘要

OpenAI 推出名为「Parameter Golf」的 Model Craft Challenge，旨在推动在严苛资源约束下训练高性能小模型的技术探索。挑战要求参赛者在固定 FineWeb 数据集上最小化验证损失，同时将模型产物（含权重与训练代码）严格控制在16 MB以内，并须在8张H100 GPU上于10分钟内完成训练。该设定明确排除依赖大规模参数或算力堆砌的传统路径，转而聚焦结构设计、极致压缩、策略取舍与工程实现的精细优化。其命名灵感源自高尔夫运动——以最少“杆数”（即参数量）达成目标，强调效率与策略性而非蛮力。挑战面向全球18岁以上且位于支持地区的个人开放，禁止团队提交；评审过程要求提交物完全自包含、不可联网或访问外部数据，且评测阶段额外限时10分钟（不含训练时间），所有代码必须集成于单一脚本中。

为降低参与门槛，OpenAI提供总额100万美元的算力支持，并联合Runpod发放免费额度，申请人可多次申请；参赛者可重复提交改进方案，GitHub仓库已开源基线模型、数据集与评测工具。获奖者有望获得OpenAI面试机会，尤其针对计划于2024年6月招聘的本科生及应届研究人才，表现优异者可能直接成为入职跳板。挑战周期为3月18日至4月30日，技术路线鼓励创新架构、新型压缩方法及非常规训练推理策略，部分思路借鉴自NanoGPT Speedrunning，但更强化参数受限条件下的性能探索。

值得注意的是，社区对该挑战存在多元反馈：有观点认为其真实检验工程师在资源受限场景下的系统权衡能力，优于资历导向；亦有担忧企业可能仅采集方案而忽视人才吸纳；更深层讨论则转向人类与AI Agent的角色定位——多位研究者指出，此类参数优化任务理论上更适合由AI Agent集群自主执行，甚至质疑OpenAI仍采用“人类竞赛”形式是否略显滞后，知名研究者Yuchen Jin公开表示若条件允许，可调度自有Agent集群参与竞逐。整体而言，该挑战既是技术极限的试金石，也折射出当前AI研发范式中人机协作边界持续演化的现实议题。