IOAI Field
IOAI 2026 · Día 2 · Sede: Astana, Kazajistán 🇰🇿
Temas: Deep Learning, Fundamentos Matemáticos · Edición: IOAI 2026
💡 Qué pide y por dónde va (spoiler)
Ajustar con una red entrenada desde cero; superar 20.260 parámetros reduce el score a la mitad un campo espacial F(x,y) que dibuja el logo de la IOAI: una letra con valores enormes en gradiente, otra en espiral, otra constante en −1, y una cuarta que debe devolver valores distintos cada vez que se la evalúa en el mismo punto — y esa aleatoriedad tiene que salir del
nn.Dropouten inferencia, no detorch.rand. Se entregan notebook y clase del modelo; la ejecución produce los pesos.
📋 Ficha
| Métrica | Promedio de 4 scores regionales basados en MAE y un score de dispersión con Dropout, ×100; se divide por 2 con más de 20.260 parámetros |
| Límite de ejecución | 5 min |
| Modelos permitidos | ninguno: se entrena desde cero |
| Rendimiento observado | 🟠 media ≥12 — media 15.52/100 · mediana 14.22 · máx 100.0 · sacaron 0: 26% · pasaron de 50: 1% (n=440) |
| Cohorte | 2026 · Día 2 · Individual |
| Contrato | Fuente oficial revisada |
| Preparación | Requiere el entorno original de la tarea |
| Archivos a entregar | solution.ipynb · custom_model.py |
| Archivos producidos | model.pt |
| Punto de entrada | Generador configurado por data/train_config/field_config.json; no dataset de filas fijo. |
| Límite de entrega | solution.ipynb + custom_model.py ≤ 1 MB combinados |
| Split de las referencias | train y test_public de desarrollo; leaderboard A y B ocultos. Split de baseline/Comité numéricos no identificado aquí cuando no se declara. |
| Evaluación | Artefactos code/baseline-original y code/grading-original; requieren el runtime y módulos originales. No hay evaluate.ipynb educativo equivalente. |
| Dependencias | Runtime protegido para CPython 3.13, x86-64; PyTorch y módulos del generador/grader original. CustomModel hereda nn.Module y custom_model.py usa solo imports torch; 5 min totales. |
| Ejecución del grader verificada aquí | No verificada |
Cuatro regiones se evalúan con MAE escalado; la última I con dispersión de salidas Dropout. Más de 20260 parámetros divide el score por dos.
Fuentes del contrato: fuente 1
Revisión documental: 2026-09-06.
Puntaje normalizado: Norm = (tuyo − baseline) / (Max − baseline) × 100 · baseline 31.2187 · Comité Científico 63.53 (escala nativa de la métrica, 0–100). Son referencias del split declarado en el contrato, no un resultado transferible a cualquier validación. Max no es necesariamente el Comité. Consultar Formato IOAI y estrategia y Protocolo de simulacro antes de normalizar.
🔗 Enlaces
- 📄 Material oficial (enunciado, baseline, grader)
- 📊 Dataset en HuggingFace — trae
public/yprivate/(los splits A y B) - 🏅 Resultados de la edición