如今被称为 AI 的技术，其背后大多是机器学习。每个人都在使用这些系统，但很少有人了解它们的实际工作原理：模型是如何训练的，为什么它会做出这样的预测，以及它在什么时候会失效。这种理解正是 International Machine Learning Competition 的核心所在。学生们将通过三轮比赛解决机器学习问题，从基础知识到前沿研究，并与来自世界各地的学生同场竞技。开始参加无需任何先验经验。

愿景、使命与价值观

International Machine Learning Competition 旨在让所有国家的学生都能参与其中，无论他们的背景、学校或机构如何。为此，International Machine Learning Competition 利用当今的技术和通过互联网建立的全球连接，使这项比赛成为可能：你只需要一支笔、一张纸和网络连接即可参加！]

使用工具和理解工具是两回事。任何人都可以运行模型。但要理解它为什么有效，需要数学、统计学和编程知识，而这些知识能让你判断一个结果何时可以信任，何时不可信。我们希望学生学习的是“如何做”，而不仅仅是“是什么”：模型如何从数据中学习，它在哪里会失败，以及如何构建更好的模型。今天理解这些系统的学生，将是未来设计这些系统的人。我们的目标是建立一个能让学生尽早接触这些领域的项目，并为学生、家长和老师提供一种简单的参与方式。

IMLC 有什么独特之处？

虽然比赛形式是 IMLC 不可或缺的一部分，但其主要目标是鼓励学生接触机器学习，并激发他们对该领域及相关领域的进一步兴趣。因此，IMLC 是一种学习体验，旨在激励学生并通过实验性的解题形式进行学习。IMLC 项目值得关注的方面包括以下几点：

• 国际化：
  International Machine Learning Competition 从第一轮开始就是一项全球性赛事。所有参赛者在每一轮中解决相同的问题：这实现了公平的评估，并允许参赛者之间进行国际交流，而这种交流通常只有少数参加国际轮赛事的国家级 Ambassador 才能享有。


• 数字化可及性：
  比赛利用现代互联网的可能性，为所有学生提供了参与机会，无论其所属国家、地区或学校。虽然获得老师的支持是有益的，但个人也可以随时随地从世界任何地方参与。


• 实验性形式：
  IMLC 体验的一部分是那些在传统比赛中并不常见的题目形式，旨在提供独特的学习体验。这包括通过启发性的修改或题目类型来扩展学校典型的教学形式，或者需要对某一主题的相关研究进行深入探索的题目。


• 现实世界的研究：
  让学生接触现实世界的科研案例是一项核心特色。Pre-Final Round 通常将最近发表的研究论文作为题目形式的一部分，这是 IMLC 所独有的：对于许多参赛者来说，这是他们第一次了解真实的机器学习研究，我们还提供额外的支持来扩展这种学习体验。


• 难度调整：
  题目设计既能吸引爱好者，也能吸引那些刚刚开始对学校课程以外的机器学习产生兴趣的学生。为了确保每个人都有积极的体验，难度水平经过了调整，既包含类似于学校常见内容的易上手题目，也包含结合了特殊形式的更具挑战性的题目。


• 面向老师的在线工具：
  我们为老师和学校提供补充资源，并在每一届比赛中提供支持。老师可以使用专用界面来管理学生的提交内容、跟踪他们的成绩与证书，并监督 Final Round Exam。


• 本地小组与 Ambassador：
  由于 IMLC 的意义远超年度比赛本身，我们强烈鼓励并支持在全球范围内建立与机器学习及 IMLC 相关的本地学生小组，包括举办聚会和其他活动。IMLC Ambassador Program 允许有积极性的学生和导师去鼓励其他 youths 接触机器学习，并建立一个让学生们因构建和理解模型而聚集在一起的本地社区。


• 支持性的校友网络：
  我们的校友网络鼓励国际交流，包括分发各种相关的机会（如奖学金或赞助活动），以支持每位参与者的学术生涯。

IMLC 与其他比赛相比如何？

将 International Machine Learning Competition 与其他比赛进行比较可能会产生误导：IMLC 并不打算成为既有比赛或其国家版本替代品，反而积极鼓励学生参加此类机会。

相反，IMLC 是作为一个补充项目，旨在吸引广泛的学生群体，特别是那些刚刚开始对机器学习及相关学科产生兴趣的学生。它专注于可及性，为各种技能水平的学生提供了一个探索并加深对机器学习模型工作原理理解的平台。

虽然年度比赛是核心元素，但 IMLC 的结构并非主要围绕竞争性，而是优先考虑学习体验。通过实验性的题目形式和现实世界的科研课题，比赛向学生介绍了超出标准学校课程并区别于传统比赛内容的启发性挑战。这种方法吸引了不同专业水平的学生，既提供了易于理解的题目，也提供了能够激发好奇心和创造力的进阶任务。

此外，IMLC 通过提供一个不依赖于其学校或国家的独立平台，为学生赋能。它通过全球网络连接参赛者，鼓励国际合作与交流。凭借强大的校友社区以及为老师和本地小组提供的支持性资源，IMLC 的意义已超越了一场单纯的比赛。

历史、组织与资金

International Machine Learning Competition 由 Edu.Harbour 协调，并每年在国际层面举行。组织团队在不断发展，大多数团队成员常驻德国。这一想法是在 Edu.Harbour 协调的其他国际比赛取得成功后形成的，旨在建立一个类似的在线比赛，带大家走进迷人的机器学习世界。

IMLC 2026 的完整组织团队可以在此页面找到： 2026 组织团队 ↗

组织这样一项国际比赛涉及巨大的成本，包括人力资源、技术基础设施、材料等。作为一个独立且全球可及的项目，IMLC 非常感谢其赞助商承担了部分费用。剩余费用通过参与者的贡献来筹集，例如 Pre-Final Round 的报名费 (Flyer) ↗.

作为一个不断成长的比赛，IMLC 每年都在持续进化和改进，以提升参赛者的体验并扩大其在全球的影响力！