GPUCodeForces/FAQ.md

# S1 GPUCodeForces FAQ

# 2025/8/26 

Q1：数据集主题是否太过宽泛？是否需要增加特定限制条件来帮助参赛者聚焦某一领域下研究？

A1：不做限制，看重性能。

**经典计算密集型任务** _矩阵乘法（GEMM）_

_卷积（Convolution）_

_快速傅里叶变换（FFT）_

_排序（Sorting）_

_规约（Reduction）_

_扫描（Scan）_

**图像/视觉处理任务** _图像滤波（高斯模糊、边缘检测）_

_图像变形（Warping）_

_光流计算_

**新兴或特定领域任务** _MoE（Mixture of Experts）中的专家路由_

_稀疏矩阵运算_

_图神经网络中的聚合操作_

**深度学习常见算子** _LayerNorm / BatchNorm_

_Softmax / LogSoftmax_

_Attention 机制（Self-Attention, Cross-Attention）_

_激活函数（如 Swish, GELU）_

_损失函数（如 CrossEntropy）_

Q2：JSON文件的格式似乎没有明确规定？如下能有一个直观的输出例子会更好

A2：提交可运行目录即可，无需特定格式json。

```plaintext
{
  "task_name": "matrix_multiplication",
  "description": "...",
  "input_generator": "code snippet or function name",
  "gt_generator": "code snippet or function name",
  "metrics": ["time", "throughput", "bandwidth"],
  "prompt": "Optional prompt for LLM"
}
```

Q3：建议补充错误处理和边界情况说明（比如输入为非方阵、极端大小等情况）

A3：若前项评分相同，看加分项的评分。评测反馈交互在PR，当选手提交PR相同的时候作为额外加分项时裁判会根据这些细节进行打分，也会对比赛最后结果有一定的影响。

Q4：评分规则这里明确了评估方面但没有给出具体数值范围，添加一个范围会不会更好？各方面评估是否增加分段会更好（执行时间评估-->0.1s +1分，0.01s+2分...-->最高+5分）？

A4：核数量排名优先，同级再看评分。

Q5：提供prompt让LLM生成代码，如何确保【同样prompt每次都生成不同的代码】的不确定性带来的代码质量不稳定，从而引发的评分不稳定问题？

A5：一般不会出现这种问题，评测相对稳定。

Q6：参赛者除了提交后能知道评分后，还能有其他方法能够更快地知道评分吗（本地评测模型、评分手册对照）？

A6：评测本身速度就足够快，不用担心这个问题。

![image.png](https://alidocs.oss-cn-zhangjiakou.aliyuncs.com/res/mxPOG5zZDaNw2nKa/img/c7294652-8334-439b-911e-dfb3ea25145b.png)

# 改进的地方：

1.  核数量排名脚本
    
2.  再出一版参赛说明，详情解释文档内各文件的作用