Initial commit

赛题01_低资源小语种跨模态信息分拣/readme.md

@@ -0,0 +1,237 @@
+# 赛题01：低资源小语种跨模态信息分拣
+
+## 赛题详细信息
+
+本赛题聚焦低资源小语种条件下的跨模态信息分拣问题，核心任务是构建可泛化至多种低资源小语种的图文检索模型，实现多语种文本与图像之间的精准语义匹配。
+当前该方向面临标注数据稀缺、语料规模有限、语言结构差异大、跨语言迁移困难等瓶颈，通用模型难以直接适配。
+本赛题要求参赛者凭借中文图文对监督信号，结合多语言表征学习、跨模态语义对齐等技术，实现模型向低资源语言的零样本或弱监督泛化，推动低资源多语种跨模态检索技术发展。
+
+## 技术路线分析
+
+二、赛题01：低资源小语种跨模态信息分拣
+### 1. 本质上是什么问题
+
+可以把它简化成：
+
+中文图文数据很多，但是某个小语种几乎没有“图片—文字”标注。如何让模型看到小语种描述，也能找到正确图片？
+
+核心不是普通图像分类，而是：
+
+Multilingual Image-Text Retrieval
+
+典型形式：
+
+Image→f
+I
+
+(x)
+Text
+zh
+
+→f
+T
+
+(t)
+
+然后希望：
+
+sim(f
+I
+
+(Image),f
+T
+
+(Text))
+
+对于中文和各种低资源语言都成立。
+
+最典型基础架构就是 CLIP / SigLIP。
+
+### 2. 最基础技术路线
+
+第一阶段可以直接做：
+
+中文图文对 → 中文-图像 CLIP 对齐
+
+推荐：
+
+Image
+ ↓
+ViT / SigLIP2 Image Encoder
+ ↓
+Visual Embedding
+            ↘
+             Contrastive Loss
+            ↗
+Chinese Text
+ ↓
+Multilingual Text Encoder
+ ↓
+Text Embedding
+
+关键问题变成：
+
+如何让“小语种 embedding”落到中文 embedding 附近？
+
+因此再加入：
+
+中文
+ ↓
+多语言模型
+ ↓
+共享语义空间
+ ↑
+小语种
+
+可以使用的多语言 backbone：
+
+XLM-R
+
+mBERT
+
+LaBSE
+
+multilingual-E5
+
+NLLB encoder
+
+SigLIP 2 multilingual text encoder
+
+### 3. 更有比赛竞争力的路线
+
+我会考虑做成三层对齐：
+
+第一层：语言内对齐
+
+中文图文 contrastive learning：
+
+L
+ITC
+
+第二层：跨语言对齐
+
+让：
+
+E(中文)≈E(小语种)
+
+方法包括：
+
+multilingual encoder
+
+knowledge distillation
+
+pivot-language alignment
+
+multilingual adapter
+
+language-specific LoRA
+
+第三层：跨模态跨语言联合对齐
+
+最终优化：
+
+L=L
+image−text
+
++λ
+1
+
+L
+cross−language
+
++λ
+2
+
+L
+distill
+
+
+这样就不是：
+
+中文翻译一下 → CLIP
+
+而是真正：
+
+共享多语言跨模态语义空间。
+
+### 4. 2025—2026 的发展情况
+
+这个题非常贴近目前前沿。
+
+2025 年 SigLIP 2 已经把多语言训练纳入视觉语言编码器，并明显增强 image-text retrieval 和跨语言理解能力。
+
+但低资源语言仍然明显弱于英语和高资源语言。Babel-ImageNet 的研究显示，低资源语言上的视觉语言模型性能下降尤其明显；通过语言特定的参数高效适配可以显著改善。
+
+更关键的是 AAAI 2026 的 uCLIP，几乎直接对应这个赛题的核心思想：冻结图像 encoder 和多语言文本 encoder，只训练一个约 1.7M 参数的投影模块，并通过英语这样的 pivot language 建立跨语言视觉语义对齐，在缺乏成对多语言图文数据的情况下实现低资源语言迁移。
+
+另外，ACL 2025 已经证明“图像本身可以充当不同语言之间的语义桥梁”，视觉-文本对比学习能够反过来促进跨语言表示对齐。
+
+所以这个题目前非常前沿。
+
+### 5. 适合创新的地方
+
+我认为至少有 5 个：
+
+① 中文作为 pivot language
+
+LowResource↔Chinese↔Image
+
+② Language Adapter
+
+每种语言：
+
+SharedEncoder+LanguageAdapter
+
+而不是整个模型重新训练。
+
+③ Teacher-Student
+
+强多语言模型做 Teacher：
+
+Teacher(text)→Student(text)
+
+蒸馏跨语言语义结构。
+
+④ VLM 图片描述辅助
+
+让 VLM 把图片先变成详细语义描述：
+
+Image→VLMCaption→MultilingualTextSpace
+
+2025 年已经出现“先把图像转成文本，再做文本检索”的路线，有研究甚至能够在部分视觉文档检索任务中超过传统专用视觉检索模型。
+
+⑤ hard negative mining
+
+比赛里通常很重要：
+
+例如：
+
+军舰 vs 货轮
+白色客轮 vs 白色游艇
+
+语义非常相近，需要专门构造 hard negative。
+
+### 6. 我的评价
+
+这是一个：
+
+科研价值高、创新空间大，但排名稳定性一般的题。
+
+最大风险不是模型，而是：
+
+测试集究竟有哪些语言，以及这些语言离预训练模型的语言分布有多远。
+
+如果测试语言非常冷门，会很吃跨语言迁移能力。
+
+推荐度
+
+8/10
+
+## 相关论文与开源项目
+
+- [Babel-ImageNet: Massively Multilingual Evaluation of Vision-and-Language Representations](https://aclanthology.org/2024.acl-long.277/)（ACL 2024）：覆盖 100 种语言的多语言视觉—语言评测；[官方代码与数据](https://github.com/gregor-ge/Babel-ImageNet)。
+- [SigLIP 2: Multilingual Vision-Language Encoders](https://arxiv.org/abs/2502.14786)（2025）：支持多语言理解、图文检索和零样本迁移；[Google `big_vision` 官方实现](https://github.com/google-research/big_vision)。
+- [uCLIP: Parameter-Efficient Multilingual Extension of Vision-Language Models with Unpaired Data](https://ojs.aaai.org/index.php/AAAI/article/view/37336)（AAAI 2026）：冻结图像与多语言文本编码器，仅训练轻量投影模块，以英语表征作为语义锚点。
+- [Multilingual-CLIP](https://github.com/FreddeFrallan/Multilingual-CLIP)：可直接运行的多语言 CLIP 文本编码器工程。
+
+建议起点：`Multilingual-CLIP / SigLIP 2 baseline → 中文语义枢纽 → 低资源语言对齐 → Adapter/LoRA → 对比学习`。

赛题01_低资源小语种跨模态信息分拣/资源/开源项目/Babel-ImageNet

@@ -0,0 +1 @@
+Subproject commit 317c49896f04bc61d0c7a5dfc6fd4e3b0d8a9430

赛题01_低资源小语种跨模态信息分拣/资源/开源项目/Multilingual-CLIP

@@ -0,0 +1 @@
+Subproject commit 93d894ed316b62cf882c649710252ed2d86f39c9

赛题01_低资源小语种跨模态信息分拣/资源/开源项目/big_vision

@@ -0,0 +1 @@
+Subproject commit 0127fb6b337ee2a27bf4e54dea79cff176527356

赛题02_多模态融合的知识组织与决策生成/readme.md

@@ -0,0 +1,265 @@
+# 赛题02：多模态融合的知识组织与决策生成
+
+## 赛题详细信息
+
+在复杂事件分析研判场景中，原始信息通常并不是同一种格式：有的是开源文本和摘要，有的是按字段记录的表格。前者用自然语言描述事件，后者记录时间、位置、任务、数量和属性等参数。
+分析人员需要在连续多日材料中找出活动主体、地点区域和事件链条，判断不同来源是否在描述同一事件，并把零散事实整理为可核验、可追踪的结构化日报。
+本赛题要解决的核心问题是：如何让智能系统同时理解多类输入，把分散信息组织成统一、可靠的事件知识，并在识别冲突和噪声的基础上生成规范报告。
+
+## 技术路线分析
+
+三、赛题02：多模态融合的知识组织与决策生成
+
+这个题其实不只是“多模态”。
+
+它的真正核心是：
+
+多源事件知识融合。
+
+### 1. 最合理的系统架构
+
+建议直接拆成 6 层。
+
+原始文本 + 表格
+       ↓
+① 信息解析
+       ↓
+② Entity / Event Extraction
+       ↓
+③ Entity Linking / Event Coreference
+       ↓
+④ Event Knowledge Graph
+       ↓
+⑤ Conflict / Evidence Verification
+       ↓
+⑥ Report Generation
+### 2. 第一层：文档解析
+
+文本直接输入 LLM/IE 模型。
+
+表格：
+
+时间
+地点
+主体
+任务
+数量
+属性
+
+转成统一 Schema：
+
+JSON
+{
+  "subject": "...",
+  "event": "...",
+  "time": "...",
+  "location": "...",
+  "quantity": "...",
+  "source": "..."
+}
+
+这样后面所有数据都统一成 event。
+
+### 3. 第二层：事件抽取
+
+例如：
+
+A 部门于 7 月 3 日在 X 地完成某任务。
+
+转换为：
+
+Event=(actor,action,time,location,object)
+
+LLM 负责抽取。
+
+小模型可以负责：
+
+NER
+
+Relation Extraction
+
+Event Extraction
+
+### 4. 第三层：跨来源事件融合
+
+这是整个赛题最关键的地方。
+
+比如：
+
+材料 A：
+
+7 月 3 日 A 在 X 地开展活动。
+
+材料 B：
+
+当日上午，A 单位进入 X 地区。
+
+需要判断：
+
+Event
+A
+
+≡Event
+B
+
+?
+
+这就是：
+
+Cross-Document Event Coreference
+
+2025 年仍是活跃研究问题，ACL 的研究继续针对跨文档事件/实体共指中的上下文不足问题提出新的增强方案。
+
+### 5. 第四层：构建 Event Knowledge Graph
+
+例如：
+
+主体 A
+ │
+ ├─参加→ Event1
+ │        ├─time→ 07/03
+ │        ├─location→ X
+ │        └─related→ Event2
+ │
+ └─参加→ Event3
+
+同时保存：
+
+Event
+Evidence
+Source
+Confidence
+
+非常重要：
+
+任何最终报告内容都必须能回溯到 Evidence。
+
+### 6. 第五层：冲突检测
+
+例如：
+
+材料 1：
+
+数量为 3
+
+材料 2：
+
+数量为 5
+
+不能直接让 LLM“平均一下”。
+
+应该：
+
+事实候选
+ ↓
+冲突检测
+ ↓
+来源可靠度
+ ↓
+时间一致性
+ ↓
+Evidence Support
+ ↓
+最终事实/保留冲突
+
+可以使用：
+
+NLI
+
+contradiction detection
+
+confidence scoring
+
+multi-agent verification
+
+### 7. 第六层：受约束报告生成
+
+不要直接：
+
+所有材料 → LLM → 日报
+
+这是非常危险的 baseline。
+
+更好的方案：
+
+Documents
+ ↓
+Event KG
+ ↓
+Evidence Retrieval
+ ↓
+Report Planner
+ ↓
+LLM
+ ↓
+Structured Report
+
+也就是：
+
+Graph-RAG / Event-RAG
+
+2025 ACL 的 EventRAG 就是非常值得参考的一条路线：先从多源文档构造事件知识图谱，再利用事件间的时间和逻辑关系进行迭代检索与推理，明显改善多跳推理和生成一致性。
+
+到 2026 年，已经有多模态知识图谱系统把文本、表格、图像等不同文档模态统一抽取到 KG 中，再作为可验证的 RAG 证据层。
+
+### 8. 这个题真正能创新的地方
+
+我会优先做：
+
+Event-centric RAG
+
+普通：
+
+ChunkRAG
+
+升级成：
+
+EventRAG
+Evidence-aware Generation
+
+每句话：
+
+Sentence→Evidence
+
+做到“可追溯报告”。
+
+Conflict-aware Knowledge Graph
+
+边上增加：
+
+support
+contradict
+uncertain
+时间图谱
+Event
+1
+
+→Event
+2
+
+→Event
+3
+
+
+而不是普通静态知识图谱。
+
+评价
+
+非常适合：
+
+大模型 + NLP + 知识图谱团队。
+
+答辩效果也非常好，因为可以展示：
+
+原始材料 → 事件图谱 → 冲突 → 证据 → 日报。
+
+推荐度
+
+8.7/10
+
+## 相关论文与开源项目
+
+- [EventRAG: Enhancing LLM Generation with Event Knowledge Graphs](https://aclanthology.org/2025.acl-long.830/)（ACL 2025）：面向多文档事件抽取、事件图构建、跨文档融合与迭代检索；[作者代码](https://github.com/Ryaang/EventRAG)。
+- [Microsoft GraphRAG](https://github.com/microsoft/graphrag)：从非结构化文本抽取实体与关系、构建图并进行图增强检索的参考工程。仓库当前声明为研究项目并处于维护模式，适合作为原型基础，不应视为生产级官方支持组件。
+
+建议起点：`GraphRAG → Event Graph RAG → 证据可追溯的报告生成`。

赛题02_多模态融合的知识组织与决策生成/资源/开源项目/EventRAG

@@ -0,0 +1 @@
+Subproject commit 96a9de960bf4939c7b2d6e7350c5bbc95232517e

赛题02_多模态融合的知识组织与决策生成/资源/开源项目/graphrag

@@ -0,0 +1 @@
+Subproject commit f40e9a26ce62ba0b3fef8837d24aafdcc6e6c704

赛题03_谈判对手长文本观点挖掘与预测/readme.md

@@ -0,0 +1,198 @@
+# 赛题03：谈判对手长文本观点挖掘与预测
+
+## 赛题详细信息
+
+从相关的新闻报道、外交发言等内容中获取对特定主题或议题的观点、论据和倾向等内容，并预判其后续观点，是掌握谈判主动权、优化谈判方案的重要支撑。
+因此，如何从长篇文本中精确辨识与谈判议题强相关的有限立场句段、消解不同来源文本的表述差异与表面矛盾实现对立场的持续性追踪、基于历史语义脉络进行未来观点预测，是解决问题面临的主要挑战。
+为此，赛题主要设计“复杂长文本事件议题生成”、“立场判断与证据链抽取”、“未来观点预测”等 3 项具体任务，以开源大模型为基座模型，要求参赛者完成相应任务。
+
+## 技术路线分析
+
+四、赛题03：谈判对手长文本观点挖掘与预测
+
+这题实际上包含三个子任务：
+
+长文本
+ ↓
+Topic Detection
+ ↓
+Evidence Retrieval
+ ↓
+Stance Detection
+ ↓
+Temporal Stance Tracking
+ ↓
+Future Stance Forecasting
+
+它不是普通情感分析。
+
+### 1. 任务一：复杂长文本议题生成
+
+不要直接让 LLM 读全文生成。
+
+建议：
+
+Long Document
+ ↓
+Chunk
+ ↓
+Embedding / Retrieval
+ ↓
+重要段落
+ ↓
+LLM
+ ↓
+Topic
+
+也就是：
+
+Retrieve → Generate
+
+而不是：
+
+Long Context → Generate
+
+### 2. 任务二：立场 + 证据链
+
+最终建议形成：
+
+Topic
+├── Stance
+├── Evidence 1
+├── Evidence 2
+├── Argument
+└── Confidence
+
+其中最重要的是：
+
+Stance 必须被 Evidence 支撑。
+
+可使用：
+
+open-target stance detection
+
+NLI
+
+evidence extraction
+
+argument mining
+
+2025 ACL 的 Open-Target Stance Detection 已经研究“目标本身未知”的场景，发现 LLM 在目标发现和立场识别方面有明显优势。
+
+但研究也发现一个很容易踩的坑：给 LLM 加 Wikipedia/Web 等外部资料不一定能提高立场识别，反而可能因为外部材料自身的倾向性，让模型被带偏，Macro-F1 在部分实验中出现明显下降。
+
+所以这个题不能简单理解成：
+
+RAG 越多越好。
+
+### 3. 任务三：未来观点预测
+
+这是最难的一部分。
+
+建议不要：
+
+历史文本 → LLM → 猜未来
+
+而是构造：
+
+Stance Timeline
+
+例如：
+
+Jan   Feb   Mar   Apr
+ ↓     ↓     ↓     ↓
+反对 → 弱反对 → 中立 → 条件支持
+
+得到：
+
+S
+1
+
+,S
+2
+
+,S
+3
+
+,…,S
+t
+
+
+再结合：
+
+historical events
+
+argument evolution
+
+policy changes
+
+issue relations
+
+预测：
+
+S
+t+1
+
+### 4. 可以借鉴 Temporal KG Forecasting
+
+例如：
+
+Actor
+ ↓
+Stance
+ ↓
+Topic
+ ↓
+Time
+
+形成：
+
+Temporal Knowledge Graph
+
+然后：
+
+History→Future
+
+2025 年 Temporal KG Forecasting 已经开始大量结合 LLM；其中 G2S 把“跨场景共性的时间规律”和“具体场景事实”分开学习，另外 Analogical Replay 则通过检索历史类似事件，让 LLM 做类比式未来预测。
+
+这些思想很适合迁移到本赛题。
+
+### 5. 最大的问题
+
+这个题存在一个其他赛题不太严重的问题：
+
+未来观点本身具有高度不确定性。
+
+也就是说，同样的历史材料：
+
+A 模型预测支持；
+
+B 模型预测中立；
+
+可能两种都有逻辑。
+
+因此非常依赖官方数据定义与评价方法。
+
+另外，2025—2026 的研究仍显示 LLM 的 stance generalization、时序泛化和未来事件预测存在明显困难。
+
+评价
+
+论文味非常强。
+
+但是：
+
+比赛风险也比较高。
+
+推荐度
+
+7.0/10
+
+我暂时不会把它列为第一选择。
+
+## 相关论文与开源项目
+
+- [MPVStance: Mitigating Hallucinations in Stance Detection with Multi-Perspective Verification](https://aclanthology.org/2025.acl-long.53/)（ACL 2025）：用检索增强的多视角验证降低立场判断幻觉。
+- [Journalism-Guided Agentic In-Context Learning for News Stance Detection](https://aclanthology.org/2025.emnlp-main.778/)（EMNLP 2025）：针对长篇新闻，先分析关键结构片段，再聚合为文章级立场。
+- [Cross-target stance detection: A survey of techniques, datasets, and challenges](https://doi.org/10.1016/j.eswa.2025.127790)（Expert Systems with Applications, 2025）：跨目标立场检测综述，梳理数据集、迁移方法与开放问题。
+
+注意：对话中提到的 `NewsStanceLLMS` 未检索到可唯一确认的官方仓库，因此不编造链接。议题发现、证据抽取和立场判断已有较丰富研究；“未来观点预测”仍缺少与赛题直接一一对应的成熟开源 baseline，需自行设计时序建模与校准方案。

赛题04_面向多源异构文档的事件因果链构建与证据约束推演/readme.md

@@ -0,0 +1,244 @@
+# 赛题04：面向多源异构文档的事件因果链构建与证据约束推演
+
+## 赛题详细信息
+
+
+面向信息挖掘与辅助决策的业务需求，要求参赛者能够从多篇新闻文档中自动抽取事件、识别因果关系和构建因果图谱，并基于证据约束回答因果追溯、态势推演和反事实推理等问题。
+设置基础档（提供因果图）、推理档（仅提供事件列表）和挑战档（仅原始文档）三档渐进式难度，旨在推动事件因果推理算法模型在复杂真实场景下的鲁棒性、可解释性与泛化能力，为后期实践运用提供有效支撑。
+
+## 技术路线分析
+
+五、赛题04：事件因果链构建与证据约束推演
+
+这是 8 个题里面学术性最强的几个之一。
+
+整个流程：
+
+Documents
+ ↓
+Event Extraction
+ ↓
+Event Coreference
+ ↓
+Temporal Relation
+ ↓
+Causal Relation
+ ↓
+Causal Graph
+ ↓
+Evidence Grounding
+ ↓
+Reasoning
+### 1. 事件抽取
+
+例如：
+
+暴雨导致道路损坏，运输因此中断。
+
+抽成：
+
+E1 = 暴雨
+E2 = 道路损坏
+E3 = 运输中断
+### 2. 因果关系抽取
+
+得到：
+
+E
+1
+
+→E
+2
+
+E
+2
+
+→E
+3
+
+
+最终：
+
+暴雨
+ ↓
+道路损坏
+ ↓
+运输中断
+### 3. 一定要加入 Temporal Relation
+
+因为：
+
+Cause(A,B)
+
+一般要求：
+
+Time(A)<Time(B)
+
+所以建议同时预测：
+
+before
+
+after
+
+overlap
+
+cause
+
+enable
+
+prevent
+
+### 4. Graph Model
+
+最终构建：
+
+G=(V,E)
+
+其中：
+
+V=Events
+E=CausalRelations
+
+同时每条边：
+
+cause(E1,E2)
+confidence=0.87
+evidence=doc3_sentence17
+
+这就是赛题里所谓：
+
+证据约束。
+
+### 5. 推演
+因果追溯
+
+问：
+
+为什么发生 E？
+
+Graph Search：
+
+E
+1
+
+→E
+2
+
+→E
+态势推演
+E
+t
+
+→Possible(E
+t+1
+
+)
+反事实
+
+例如：
+
+如果 E1 没发生会怎样？
+
+本质上就是：
+
+do(E
+1
+
+=0)
+
+然后重新推演：
+
+G
+′
+
+不过要特别注意：
+
+从新闻文本学到的“事件因果关系”，不等同于严格统计意义上的因果识别。
+
+比赛里更准确的做法应该是：
+
+Evidence-grounded causal reasoning
+
+而不是宣称从新闻中发现了真实世界的严格因果规律。
+
+### 6. 当前技术发展
+
+传统 Event Causality Identification 已经从：
+
+BERT classification
+
+逐渐演进到：
+
+Knowledge
++
+Graph
++
+LLM reasoning
+
+2025 COLING 的研究已经用：
+
+LLM + 异构事件图 + 外部知识
+
+提升事件因果识别。
+
+另一个很值得注意的路线 Dr.ECI，直接把因果识别拆成多个专门推理 Agent，例如隐含因果发现、中介事件识别、直接/间接因果推理，并取得很强的效果。
+
+到 EMNLP 2025，又进一步出现：
+
+LLM 因果推理 + 多阶段知识验证 + 动态对比学习
+
+用来减少虚假的因果关系。
+
+同时最新 benchmark 仍显示，现有 LLM 在共指、时间、因果等复杂事件关系理解方面远未解决。
+
+因此这个赛题创新空间非常大。
+
+### 7. 一个很有竞争力的方案
+
+可以设计：
+
+CausalGraph-Agent
+Extraction Agent
+       ↓
+Coreference Agent
+       ↓
+Temporal Agent
+       ↓
+Causal Agent
+       ↓
+Evidence Agent
+       ↓
+Graph
+       ↓
+Reasoning Agent
+
+但是不要真的做 5 个完整大模型。
+
+工程上可以是：
+
+同一个 LLM + 不同任务 Prompt/LoRA + Graph pipeline。
+
+评价
+
+科研含量：9.5/10
+
+比赛稳定性：6.5/10
+
+整体推荐：7.7/10
+
+非常适合想：
+
+冲创新奖 / 做论文 / 后续科研
+
+的团队。
+
+## 相关论文与开源项目
+
+- [Dr.ECI: Infusing Large Language Models with Causal Knowledge for Decomposed Reasoning in Event Causality Identification](https://aclanthology.org/2025.coling-main.628/)（COLING 2025）：把事件因果识别拆分为隐含因果发现、中介事件检测、直接与间接因果推理；[官方代码](https://github.com/DMIRLAB-Group/Dr.ECI)。
+- [DICP: Deep In-Context Prompt for Event Causality Identification](https://aclanthology.org/2025.findings-emnlp.139/)（Findings of EMNLP 2025）：将 in-context examples 注入预训练模型深层表征；[作者代码](https://github.com/sj1071-cell/DICP)包含数据预处理、AMR parsing 与训练流程。
+- [In-context Contrastive Learning for Event Causality Identification](https://aclanthology.org/2024.emnlp-main.51/)（EMNLP 2024）：利用正负 demonstrations 进行对比学习；[作者代码](https://github.com/ChaoLiang-HUST/ICCL)。
+- [Advancing Event Causality Identification via Heuristic Semantic Dependency Inquiry Network](https://aclanthology.org/2024.emnlp-main.87/)（EMNLP 2024）：SemDI 利用语义依赖信息识别事件因果；[作者代码与 ESC、ESC*、CTB 数据处理](https://github.com/hrlics/SemDI)。
+- [Identifying while Learning for Document Event Causality Identification](https://aclanthology.org/2024.acl-long.210/)（ACL 2024）：在迭代构图过程中联合更新事件表征，并同时判断因果存在性与方向。
+- [A Survey of Event Causality Identification](https://arxiv.org/abs/2411.10371)：覆盖事件因果识别的任务定义、方法谱系、数据集与评测挑战。
+
+边界说明：新闻文本中的事件因果关系是“有文本证据支撑的因果叙述”，不等同于由干预或统计识别得到的真实世界因果效应。

赛题04_面向多源异构文档的事件因果链构建与证据约束推演/资源/开源项目/DICP

@@ -0,0 +1 @@
+Subproject commit 44307f2ec42bce2d11da239e485ddca393888c49

赛题04_面向多源异构文档的事件因果链构建与证据约束推演/资源/开源项目/Dr.ECI

@@ -0,0 +1 @@
+Subproject commit d7ac76a9719740228e712bfe07aba04981d87e5b

赛题04_面向多源异构文档的事件因果链构建与证据约束推演/资源/开源项目/ICCL

@@ -0,0 +1 @@
+Subproject commit a7e3b3479040b17baf87f96c5de6df5291ae91c7

赛题04_面向多源异构文档的事件因果链构建与证据约束推演/资源/开源项目/SemDI

@@ -0,0 +1 @@
+Subproject commit 1c54a16d36f793f638c836f8f35595c2740869fc

赛题05_跨大视角下的海面目标检测与识别/readme.md

@@ -0,0 +1,232 @@
+# 赛题05：跨大视角下的海面目标检测与识别
+
+## 赛题详细信息
+
+本赛题聚焦跨视角域泛化目标检测这一开放科学问题，训练集提供大量有标注的卫星俯视图像及少量有标注的无人机斜视图像，测试集为无人机斜视图像。
+参赛者需克服卫星视角（甲板俯视）与无人机视角（舷侧斜视）之间的巨大外观差异，完成准确的船只目标检测。评测采用 COCO 标准 mAP@0.5:0.95 指标，要求模型兼具精准定位与跨域泛化能力。
+
+## 技术路线分析
+
+六、赛题05：跨大视角海面目标检测
+
+这个题我非常建议重点看。
+
+因为评价指标非常明确：
+
+mAP@[0.5:0.95]
+
+这意味着：
+
+你做的每一点优化都可以量化。
+
+这对竞赛非常重要。
+
+### 1. 标准 baseline
+
+直接：
+
+Satellite Images
++
+UAV Images
+ ↓
+Detector
+ ↓
+Ship Detection
+
+可以从：
+
+YOLO 系列
+
+RT-DETR
+
+DINO
+
+Deformable DETR
+
+里挑 baseline。
+
+### 2. 真正难点不是 Detection
+
+而是：
+
+P
+Satellite
+
+(X)
+
+=P
+UAV
+
+(X)
+
+卫星：
+
+   ↓
+   🚢
+top view
+
+无人机：
+
+ ↘
+🚢
+side / oblique view
+
+同一艘船的视觉模式变化非常大。
+
+因此本质上是：
+
+Cross-view Domain Generalization / Adaptation
+
+### 3. 建议的完整路线
+Satellite labeled data
+       +
+few UAV labeled data
+       ↓
+Strong Detector
+       ↓
+View Augmentation
+       ↓
+Domain Alignment
+       ↓
+Feature Generalization
+       ↓
+UAV Test
+### 4. 第一类优化：几何增强
+
+普通：
+
+flip
+
+crop
+
+mosaic
+
+不够。
+
+应该针对跨视角设计：
+
+perspective transform
+
+projective transform
+
+scale transform
+
+affine
+
+geometric distortion
+
+模拟：
+
+TopView→ObliqueView
+### 5. 第二类：域对齐
+
+模型：
+
+Satellite
+     ↘
+      Shared Feature
+     ↗
+UAV
+
+通过：
+
+MMD
+
+adversarial domain alignment
+
+contrastive learning
+
+feature distribution alignment
+
+降低：
+
+D(Source,Target)
+### 6. 第三类：Target-aware teacher-student
+
+因为有少量 UAV 标注，非常有价值。
+
+可以：
+
+Satellite + labeled UAV
+ ↓
+Teacher
+ ↓
+Pseudo labels / feature guidance
+ ↓
+Student
+### 7. 第四类：生成式视角增强
+
+这是一个比较好的创新点。
+
+利用：
+
+diffusion
+
+image-to-image generation
+
+把卫星数据：
+
+Satellite→Pseudo−UAV
+
+形成训练样本。
+
+当然一定要注意：
+
+生成图不能破坏目标位置和类别标签。
+
+### 8. 当前发展
+
+CVPR 2025 的真实卫星域泛化 benchmark 已经证明，真实空间、地域和采集条件变化会让目标检测器出现明显性能下降，因此 remote-sensing DG 仍然远未解决。
+
+ICCV 2025 进一步使用生成式 AI 合成新域航空图像，通过多阶段知识迁移缩小 source-target distribution gap，在多个实验中显著提高 unseen-domain 检测表现。
+
+针对无人机舰船，多视角数据集和专门的 oblique-view detector 也在 2025 年持续出现；例如 YOLO-UAVShip 使用 OBB、可变形卷积等机制解决斜视、长宽比和姿态变化问题。
+
+所以：
+
+跨平台 + 跨视角 + Domain Generalization
+
+正是当前遥感检测的重要方向。
+
+### 9. 为什么我很推荐这个赛题
+
+因为比赛提分路线特别清楚：
+
+Baseline
+75
+ ↓
+Augmentation
+78
+ ↓
+Better Backbone
+80
+ ↓
+Domain Alignment
+82
+ ↓
+Pseudo Label
+84
+ ↓
+Ensemble
+85+
+
+虽然分数只是示意，但研发逻辑非常明确。
+
+不像生成类赛题：
+
+模型到底哪里错了有时候都很难定位。
+
+推荐度
+9.2/10
+
+如果你们 CV 能力不错，这是我的第一梯队。
+
+## 相关论文与开源项目
+
+- [Benchmarking Object Detectors under Real-World Distribution Shifts in Satellite Imagery](https://openaccess.thecvf.com/content/CVPR2025/html/Al-Emadi_Benchmarking_Object_Detectors_under_Real-World_Distribution_Shifts_in_Satellite_Imagery_CVPR_2025_paper.html)（CVPR 2025）：建立真实空间、气候与地域分布偏移下的遥感目标检测域泛化 benchmark。
+- [Adapting Vehicle Detectors for Aerial Imagery to Unseen Domains with Weak Supervision](https://openaccess.thecvf.com/content/ICCV2025/html/Fang_Adapting_Vehicle_Detectors_for_Aerial_Imagery_to_Unseen_Domains_with_ICCV_2025_paper.html)（ICCV 2025）：使用生成式 AI 合成航空图像与标签，并通过多阶段知识迁移改善未见域检测。
+- [YOLO-UAVShip: An Effective Method and Dataset for Multi-View Ship Detection in UAV Images](https://doi.org/10.3390/rs17173119)（Remote Sensing, 2025）：面向无人机多视角舰船检测，引入 OBB、可变形卷积与长宽比目标定位机制。
+- [MMRotate](https://github.com/open-mmlab/mmrotate)：OpenMMLab 旋转目标检测工具箱，支持 DOTA、HRSC 等遥感数据和多种角度表示。其最新正式版本较早，复现时需要锁定 PyTorch、MMCV 与 MMDetection 的兼容版本。
+- 可选通用 detector baseline：[MMDetection](https://github.com/open-mmlab/mmdetection)、[Ultralytics YOLO](https://github.com/ultralytics/ultralytics)、[DINO](https://github.com/IDEA-Research/DINO) 和 [RT-DETR](https://github.com/lyuwenyu/RT-DETR)。
+
+复现顺序建议：先固定 COCO `mAP@[0.5:0.95]` 的可重复 baseline，再依次验证视角增强、域对齐、teacher–student / 伪标签和集成；不要把示意分数当作预期成绩。

赛题05_跨大视角下的海面目标检测与识别/资源/开源项目/DINO

@@ -0,0 +1 @@
+Subproject commit d84a491d41898b3befd8294d1cf2614661fc0953

赛题05_跨大视角下的海面目标检测与识别/资源/开源项目/RT-DETR

@@ -0,0 +1 @@
+Subproject commit 068dfde65f2667ad6555883c69d73de886518cad

赛题05_跨大视角下的海面目标检测与识别/资源/开源项目/mmdetection

@@ -0,0 +1 @@
+Subproject commit cfd5d3a985b0249de009b67d04f37263e11cdf3d

赛题05_跨大视角下的海面目标检测与识别/资源/开源项目/mmrotate

@@ -0,0 +1 @@
+Subproject commit b030f38909fc431be7ecb90772ac30da9da29bcb

赛题05_跨大视角下的海面目标检测与识别/资源/开源项目/ultralytics

@@ -0,0 +1 @@
+Subproject commit 7a6e6338ded0659e73cd820d1c1f2142d54e46c6

赛题06_多源卫星跨模态舰船重识别/readme.md

@@ -0,0 +1,297 @@
+# 赛题06：多源卫星跨模态舰船重识别
+
+## 赛题详细信息
+
+面向舰船持续监视与多星协同观测需求，本赛题聚焦光学— SAR 跨模态舰船重识别任务。
+给定一张光学或 SAR 舰船图像，参赛者需在不使用 AIS、航迹、地理位置等外部辅助信息的条件下，仅依据图像内容，从指定模态图库中检索与查询图像属于同一艘舰船的目标，并按相关度输出候选结果。
+赛题以图像检索为基本形式，重点考察跨模态特征对齐、模态不变表征、细粒度身份区分及复杂干扰下的排序能力。
+
+## 技术路线分析
+
+七、赛题06：多源卫星光学—SAR舰船ReID
+
+这个赛题非常值得注意。
+
+因为它正好碰上了一个 2025—2026 年刚快速发展起来的新方向。
+
+### 1. 本质
+
+输入：
+
+Q
+Optical
+
+
+图库：
+
+Gallery
+SAR
+
+
+寻找：
+
+same ship
+
+或者反过来：
+
+SAR→Optical
+### 2. 最大难点
+
+同一艘船：
+
+光学：
+
+颜色
+纹理
+结构
+轮廓
+
+SAR：
+
+散射
+亮点
+斑点噪声
+几何结构
+
+所以：
+
+Appearance
+Optical
+
+≫Appearance
+SAR
+
+
+差异非常大。
+
+### 3. 基础路线
+
+建议：
+
+Optical
+ ↓
+Modality-specific Stem
+      ↓
+Shared Transformer
+      ↓
+Embedding
+      ↑
+Modality-specific Stem
+ ↑
+SAR
+
+然后：
+
+L=L
+ID
+
++L
+Triplet
+
++L
+Contrastive
+
+### 4. 必做：Modality Alignment
+
+让：
+
+f(Optical
+i
+
+)≈f(SAR
+i
+
+)
+
+同时：
+
+f(Ship
+i
+
+)
+
+=f(Ship
+j
+
+)
+
+可以使用：
+
+Cross-modal contrastive learning
+
+Triplet loss
+
+Center loss
+
+Class-wise alignment
+
+adversarial modality alignment
+
+### 5. SAR 特有处理
+
+需要考虑：
+
+Speckle Noise
+
+所以：
+
+SAR
+ ↓
+Denoise / Enhancement
+ ↓
+Encoder
+
+可能明显提高稳定性。
+
+### 6. 当前发展非常关键
+
+2025 ICCV 出现了非常直接相关的工作：
+
+HOSS ReID + TransOSS
+
+这是光学—SAR舰船 ReID 的专门数据集与方法。
+
+TransOSS 使用：
+
+双模态 patch embedding
+
+modality embedding
+
+shared Transformer
+
+光学-SAR对比预训练
+
+来学习 modality-invariant features。
+
+更值得你关注的是：
+
+CVPR 2026 MOS
+
+已经继续针对这个任务提出：
+
+SAR denoising
++
+Class-wise modality alignment
++
+Cross-modal diffusion generation
++
+Feature fusion
+
+并在 HOSS ReID 上明显提高 Optical→SAR 和 SAR→Optical 的 Rank-1 性能。
+
+也就是说：
+
+你的比赛赛题和 2025 ICCV + 2026 CVPR 前沿研究几乎处在同一个技术线上。
+
+这是很好的信号。
+
+### 7. 我会怎么做这个题
+
+Baseline：
+
+TransOSS-like
+
+↓
+
+第一版：
+
+SAR denoise
+
+↓
+
+第二版：
+
+Modality-aware Contrastive Learning
+
+↓
+
+第三版：
+
+Class-wise alignment
+
+↓
+
+第四版：
+
+Cross-modal image generation
+
+↓
+
+第五版：
+
+Re-ranking + ensemble
+
+最终：
+
+Optical/SAR
+ ↓
+Modality-specific stem
+ ↓
+Shared ViT
+ ↓
+Cross-modal alignment
+ ↓
+Metric embedding
+ ↓
+Re-ranking
+### 8. 一个非常值得研究的创新点
+
+不要只对齐：
+
+Optical↔SAR
+
+还可以分解：
+
+GlobalShape
+LocalStructure
+ScatteringPattern
+
+做：
+
+multi-level cross-modal alignment
+
+即：
+
+Global Feature
+Local Feature
+Part Feature
+
+共同参与 ReID。
+
+评价
+
+我非常看好这个题。
+
+它有三个优势：
+
+① 新方向
+
+相关方法还没有像普通目标检测一样卷烂。
+
+② 指标清晰
+
+ReID 一般是：
+
+Rank-1
+
+Rank-5
+
+mAP
+
+非常适合竞赛。
+
+③ 当前有非常直接的顶会技术路线可以借鉴
+
+这能大幅减少摸索时间。
+
+推荐度
+9.3/10
+
+如果你们 CV 较强，我甚至会让它和赛题 05 一起进入最终二选一。
+
+## 相关论文与开源项目
+
+- [Cross-modal Ship Re-Identification via Optical and SAR Imagery: A Novel Dataset and Method](https://openaccess.thecvf.com/content/ICCV2025/html/Wang_Cross-modal_Ship_Re-Identification_via_Optical_and_SAR_Imagery_A_Novel_ICCV_2025_paper.html)（ICCV 2025）：提出 HOSS ReID 数据集与 TransOSS；[官方代码、数据说明与模型](https://github.com/Alioth2000/Hoss-ReID)。
+- [MOS: Mitigating Optical-SAR Modality Gap for Cross-Modal Ship Re-Identification](https://openaccess.thecvf.com/content/CVPR2026/html/Zhao_MOS_Mitigating_Optical-SAR_Modality_Gap_for_Cross-Modal_Ship_Re-Identification_CVPR_2026_paper.html)（CVPR 2026）：组合 SAR 去噪、类别级模态对齐、跨模态扩散生成与特征融合。
+
+建议演进：`TransOSS → 模态对齐 → SAR 去噪 → 跨模态生成 → 特征融合 → 重排序`。若官方数据组织与 HOSS ReID 接近，应优先复现 TransOSS baseline。

赛题06_多源卫星跨模态舰船重识别/资源/开源项目/Hoss-ReID

@@ -0,0 +1 @@
+Subproject commit bd9b9028e8690c0929ada06beead500acde19aca

赛题07_复杂攻击场景下的纵向联邦学习安全防御/readme.md

@@ -0,0 +1,226 @@
+# 赛题07：复杂攻击场景下的纵向联邦学习安全防御
+
+## 赛题详细信息
+
+本赛题面向多源数据协同建模需求，构建特征互补、数据分别持有的纵向联邦学习训练环境，要求参赛者在官方提供的训练框架基础上设计安全防御方案。
+赛题聚焦纵向联邦学习中的隐私泄露与模型安全风险，设置标签推理、后门攻击以及攻击并存等复杂测试场景，要求参赛方案在保持联合模型预测性能的同时，有效降低敏感标签泄露风险并抵御后门攻击。
+赛题重点考察防御方法在性能保持、隐私保护和安全鲁棒性之间的综合能力，推动纵向联邦学习安全防御技术在跨机构数据协同、隐私保护智能分析等实际场景中的应用。
+
+## 技术路线分析
+
+八、赛题07：复杂攻击下纵向联邦学习防御
+
+这个题技术壁垒很高。
+
+它实际是三个目标：
+
+Utility
+Privacy
+Robustness
+
+同时优化。
+
+### 1. VFL 基础结构
+
+假设：
+
+Party A：
+
+X
+A
+
+
+Party B：
+
+X
+B
+
+
+Label Owner：
+
+Y
+
+训练：
+
+XA → Bottom Model A ┐
+                    ├→ Fusion Model → Prediction
+XB → Bottom Model B ┘
+### 2. 标签推理攻击
+
+攻击者通过：
+
+gradient
+
+embedding
+
+local model
+
+猜：
+
+Y
+
+因此需要：
+
+I(Embedding;Y)↓
+
+但同时：
+
+Accuracy
+
+↓
+
+这就是最大的矛盾。
+
+### 3. 后门攻击
+
+攻击者：
+
+x→x+δ
+
+让模型：
+
+F(x+δ)=y
+target
+
+
+同时正常数据：
+
+F(x)=y
+
+保持正常。
+
+### 4. 防御架构建议
+
+不要用一个方法同时硬解决所有问题。
+
+应该模块化：
+
+VFL
+ ↓
+Privacy Defense
+ ↓
+Backdoor Detector
+ ↓
+Embedding Purification
+ ↓
+Robust Aggregation
+### 5. 标签隐私模块
+
+可以研究：
+
+gradient noise
+
+gradient compression
+
+information bottleneck
+
+soft labels
+
+representation decorrelation
+
+adversarial privacy
+
+knowledge distillation
+
+目标：
+
+min I(Z,Y)
+
+同时：
+
+max Utility
+### 6. 后门模块
+
+针对：
+
+Z
+i
+
+
+进行：
+
+embedding anomaly detection
+
+clustering
+
+loss anomaly
+
+sample filtering
+
+feature reconstruction
+
+然后：
+
+Suspicious embedding
+ ↓
+remove / reconstruct
+### 7. 最新发展
+
+2025 年针对 VFL 标签泄漏已经出现结合 Knowledge Distillation 和 k-anonymity 的 KDk 方法，在降低标签推理成功率的同时尽量维持主任务性能。
+
+另一方面，攻击也在继续升级：AAAI 2025 已经提出不需要额外标签信息的 Label-Free Backdoor Attack。
+
+对应防御方面，IJCAI 2025 的 UBD 用 label-consistent clustering 等方法构造并识别潜在后门模式。
+
+到 AAAI 2026，FILTER 已经进一步采用：
+
+embedding-based filter
+
+loss-based filter
+
+在训练中检测和清除 poisoned samples。
+
+所以这个题最新趋势明显正在从：
+
+单一 privacy defense
+
+转向：
+
+privacy + robustness 联合优化。
+
+这和比赛设计“标签泄漏 + 后门 + 混合攻击”完全吻合。
+
+### 8. 为什么这个题很特殊
+
+它不需要训练超大的基础模型。
+
+所以：
+
+算力未必最大。
+
+但它非常吃：
+
+机器学习理论
+
+联邦学习
+
+隐私保护
+
+adversarial ML
+
+如果队伍没人做过这些，会学得很痛苦。
+
+推荐度
+
+普通队：
+
+6.5/10
+
+如果有联邦学习/AI安全背景：
+
+9/10
+
+这是一个典型的：
+
+高手队伍非常值得选，普通队伍最好谨慎。
+
+## 相关论文与开源项目
+
+- [VFLIP: A Backdoor Defense for Vertical Federated Learning via Identification and Purification](https://arxiv.org/abs/2408.15591)：在推理阶段识别异常 embedding、移除可疑表示并重建；[作者代码](https://github.com/blingcho/VFLIP-esorics24)。
+- [A Defense Mechanism Against Label Inference Attacks in Vertical Federated Learning](https://doi.org/10.1016/j.neucom.2025.129476)（Neurocomputing, 2025）：KDk 结合知识蒸馏与 *k*-匿名，降低标签推理攻击成功率并尽量保持主任务性能。
+- [Label-Free Backdoor Attacks in Vertical Federated Learning](https://ojs.aaai.org/index.php/AAAI/article/view/34246)（AAAI 2025）：不依赖额外任务标签的 VFL 后门攻击。
+- [Cooperative Decentralized Backdoor Attacks on Vertical Federated Learning](https://arxiv.org/abs/2501.09320)（2025）：研究不依赖服务端梯度信息、允许多个攻击方协同的 VFL 后门攻击。
+- [Universal Backdoor Defense via Label Consistency in Vertical Federated Learning](https://www.ijcai.org/proceedings/2025/528)（IJCAI 2025）：通过 Label Consistent Clustering 合成潜在触发模式并完成检测、缓解。
+- [FILTER: A Framework for Defending Against Backdoor Attacks in Vertical Federated Learning](https://ojs.aaai.org/index.php/AAAI/article/view/40859)（AAAI 2026）：采用 embedding-based filter 与 loss-based filter 识别和移除中毒样本。
+
+比赛实验必须同时报告主任务效用、隐私泄漏指标和后门攻击成功率；只优化其中一项不足以证明联合防御有效。

赛题07_复杂攻击场景下的纵向联邦学习安全防御/资源/开源项目/VFLIP-esorics24

@@ -0,0 +1 @@
+Subproject commit b79c21132d1a9230b69ba2fd22fad019793f1777

赛题08_面向多源异构数据源的统一查询指令生成/readme.md

@@ -0,0 +1,297 @@
+# 赛题08：面向多源异构数据源的统一查询指令生成
+
+## 赛题详细信息
+
+本赛题面向多源异构数据环境下的查询需求，构建高仿真查询指令生成数据集，要求参赛者在无指定目标数据源的前提下，根据专业性强、业务逻辑复杂的自然语言问题，完成意图解析、数据源路由、推理构建与查询指令生成的全链路任务。
+涉及多源库表协同、联邦查询规划、跨年度查询、流式数据时空查询、异构查询语言生成及轻量化部署约束等多重挑战。
+考察开源大模型在复杂真实业务环境中精确生成查询指令的综合能力，推动 Text-to-Query 任务范式在数据中台的落地应用。
+
+## 技术路线分析
+
+九、赛题08：多源异构数据统一查询生成
+
+这个题也是我非常推荐的。
+
+不要把它简单理解成 Text-to-SQL。
+
+真正任务是：
+
+Natural Language
+ ↓
+Intent Understanding
+ ↓
+Data Source Routing
+ ↓
+Schema Linking
+ ↓
+Query Planning
+ ↓
+Query Generation
+ ↓
+Validation
+
+所以更准确地说：
+
+Text-to-Query Agent
+
+### 1. 第一步：数据源路由
+
+题目最关键的一句话是：
+
+无指定目标数据源。
+
+因此首先：
+
+Query→Database
+i
+
+
+例如：
+
+问题
+ ↓
+Router
+ ├→ DB1
+ ├→ DB2
+ ├→ Stream
+ └→ Spatial DB
+
+这个步骤如果错：
+
+后面 SQL 再正确也没用。
+
+### 2. 第二步：Schema Linking
+
+问题：
+
+查询 2024 年 A 地区销售额最高的产品。
+
+需要找到：
+
+sales_table
+region
+year
+product_id
+amount
+
+因此：
+
+NL→Tables→Columns
+### 3. 第三步：Query Planning
+
+复杂问题不要一步 SQL。
+
+应该：
+
+Question
+ ↓
+Logical Plan
+ ↓
+Sub-query 1
+Sub-query 2
+Join
+Aggregate
+Filter
+ ↓
+Query
+
+也就是：
+
+Planner → Coder
+
+### 4. 第四步：不同 Query Language
+
+根据官方最终给出的语言集合分别生成。
+
+可能涉及的范式包括：
+
+SQL
+Graph Query
+Time-series Query
+Streaming Query
+Spatial Query
+
+不要训练：
+
+一个模型直接全部生成。
+
+更好的结构：
+
+Intent
+ ↓
+Router
+ ↓
+Dialect Adapter
+ ↓
+Query
+### 5. 第五步：Execution Feedback
+
+非常重要：
+
+Generated Query
+ ↓
+Parser
+ ↓
+Execute
+ ↓
+Error
+ ↓
+LLM Repair
+ ↓
+Execute Again
+
+形成：
+
+Generate → Execute → Critique → Repair
+
+这通常是 Text-to-SQL 很强的提分方式。
+
+### 6. 2025—2026 的发展情况
+
+现实世界 Text-to-SQL 现在已经从：
+
+NL → SQL
+
+发展为：
+
+Schema Retrieval + Planning + Tool Use + Generation + Execution Correction
+
+Spider 2.0 很能说明问题：数据库可以包含上千字段、不同 SQL dialect、项目级代码和复杂工作流。早期测试中，基于强推理模型的 agent 框架也只解决约 17% 的 Spider 2.0 完整任务，说明真实企业级 Text-to-SQL 远没有被解决。
+
+2025 EMNLP 的 LinkAlign 更是和你这个赛题高度吻合，其明确把大型多数据库 Text-to-SQL 拆成：
+
+Database Retrieval
+
+Schema Item Grounding
+
+SQL Generation
+
+并针对数千字段环境做多轮语义检索。
+
+ICLR 2025 的 ROUTE 则使用：
+
+schema linking
+
+SQL generation
+
+error correction
+
+多任务训练
+
+增强开源 LLM 的 Text-to-SQL 能力。
+proceedings.iclr.cc
+
+AAAI 2025 的 SQLFixAgent 又进一步使用多 Agent：
+
+Reviewer
+ ↓
+Candidate Generator
+ ↓
+Refiner
+
+进行 SQL 语义修复。
+
+所以这个赛题技术资料非常丰富。
+
+### 7. 轻量化怎么解决
+
+赛题特别写了：
+
+轻量化部署。
+
+这个反而是一个非常好的创新点。
+
+可以：
+
+Teacher
+
+30B / 70B reasoning model
+
+生成：
+
+reasoning
+
+SQL
+
+corrections
+
+schema links
+
+↓
+
+蒸馏到：
+
+Student
+
+7B / 14B
+
+再：
+
+LoRA
+
+QLoRA
+
+INT4
+
+最后得到：
+
+小模型 + Agent Pipeline
+
+而不是依赖巨大模型。
+
+### 8. 我认为一个很强的比赛架构
+                 ┌→ DB Retriever
+Question → Intent│
+                 └→ Query Type
+                       ↓
+                 Schema Retriever
+                       ↓
+                    Planner
+                       ↓
+                    Coder
+                       ↓
+                    Execute
+                       ↓
+                    Critic
+                       ↓
+                    Repair
+
+然后进行：
+
+SFT
+
+再做：
+
+Preference/RL
+
+优化 execution accuracy。
+
+评价
+
+优势非常明显：
+
+baseline 很好找
+
+开源模型丰富
+
+指标一般比较清楚
+
+不需要视觉大模型
+
+ablation 好做
+
+Agent 很适合答辩
+
+工程创新和算法创新都能做
+
+推荐度
+9.2/10
+
+大模型团队我会优先选这个。
+
+## 相关论文与开源项目
+
+- [LinkAlign: Scalable Schema Linking for Real-World Large-Scale Multi-Database Text-to-SQL](https://aclanthology.org/2025.emnlp-main.51/)（EMNLP 2025）：处理数据库检索和 schema item grounding；[官方代码](https://github.com/Satissss/LinkAlign)。
+- [Spider 2.0](https://spider2-sql.github.io/)：面向真实企业数据库工作流的 benchmark，涵盖 BigQuery、Snowflake、复杂元数据与超大 schema；[官方代码](https://github.com/xlang-ai/Spider2)。
+
+建议起点：`LinkAlign + Spider 2.0 + 开源 LLM + 执行反馈`，系统链路为 `Router → Schema Retriever → Planner → Query Generator → Executor → Repair`。

赛题08_面向多源异构数据源的统一查询指令生成/资源/开源项目/LinkAlign

@@ -0,0 +1 @@
+Subproject commit c036f38e0930843de9f000bf69b0bf79df79733a

赛题08_面向多源异构数据源的统一查询指令生成/资源/开源项目/Spider2

@@ -0,0 +1 @@
+Subproject commit cafb867313aab4e674652054198f383cf4018943