The Steerability Challenge 报名|LLM 引导干预竞赛
导语
The Steerability Challenge 是引导大语言模型降低不诚实同时保持通用能力的公开竞赛,参赛作品为引导干预。综合分按不诚实降低量减去副作用回归计算,最终提交于 2026 年 11 月 23 日 AoE 截止,奖金 4 万美元以上,成果在 NeurIPS 2026 巴黎研讨会展示。
一、赛事基本信息
- 赛事名称:The Steerability Challenge。
- 定位:引导大语言模型降低不诚实(dishonesty)同时保持通用能力的公开竞赛。
- 参赛作品:引导干预(steering interventions),可组合对输入、结构、状态、输出过程的控制。
- 任务:设计引导流水线,最大程度抑制不诚实行为并保持通用能力。
- 团队规则:每队 2–5 人,每人只能加入一支队伍。
二、关键时间节点
| 时间节点 | 具体时间 | 备注 |
|---|---|---|
| 注册截止 | 2026-11-01 AoE(新选手当前能否注册需复核官网) | 官方页 |
| 下一次接收(next intake) | 2026-11-15 AoE | 官方页 |
| 最终提交截止 | 2026-11-23 AoE | 官方页 |
| 研讨会展示 | NeurIPS 2026,巴黎 | 官方页 |
三、参赛与提交要求
- 综合分为相对未引导模型的不诚实降低量减去各副作用的平均回归,仅对回归扣分;不诚实与通用能力的具体度量保密以防刷分。
- 提交须采用标准化 .spipe 格式;公开榜基于下采样子集,最终排名使用完整私有测试集,并对获奖作品端到端重跑与代码评审。
- 允许使用外部数据与预训练产物,须为自制或可自由获取并在要求时提供来源证明;允许使用编码 Agent,但参赛者须能完整描述方案才有资格获奖。
- 获奖者须应要求提供完整复现材料,且至少 1 名成员能在 NeurIPS 2026 现场或线上展示;若希望作品加入核心工具库须同意 Apache 2.0 许可。
- 奖金为 4 万美元以上,按名次与赛道分金、银、铜;各名次分项金额与被引导模型清单官方暂未公布。
四、报名方式
通过 The Steerability Challenge 官方网站注册,平台为 Steerability 与 Hugging Face。现金奖仅在制裁法允许且可完成银行转账时支付,无法支付则名额顺延。
五、官方提示
- 本文信息整理自官方公开渠道,具体规则、时间安排以赛事官方最新公告为准。
- 官方暂未公布的信息,请关注后续官方通知,请勿轻信非官方渠道信息。
本文为原创策划内容,所涉竞赛信息与图片均来自网络,版权归原作者或来源机构所有。如有版权疑问,请联系处理。欢迎读者转发分享,但严禁未经授权的转载或编辑后发布。