8月20日，第五届琶洲算法大赛人本世界模型生态合作赛正式上线，报名同步启动。
作为广州市人民政府、中国计算机学会主办的第五届琶洲算法大赛，专设生态合作赛道——琶洲算法大赛“人本世界模型生态合作赛”，该生态赛由南京大学智能科学与技术学院、中国科学院自动化研究所模式识别实验室（NLPR）作为指导单位，携手出题方银河水滴共同发起。
赛事聚焦家庭场景中的人体行为理解与世界状态转移预测，面向高校、科研机构、人工智能企业、算法开发者及青年创新团队开放报名。
赛题设置：聚焦动作识别到因果推演
据悉，本次生态合作赛核心赛题为HOWM（家庭场景人本世界模型挑战赛）。赛题围绕“初始状态—行为过程—结束状态”构建推理任务：给定初始状态与结束状态的图像或短视频，以及若干候选人体行为视频，参赛模型须从中选出唯一能够合理解释状态变化的行为，并输出对应候选项编号。
初赛阶段每道题设置30个候选行为，随机猜测正确率仅为3.33%；决赛阶段候选行为缩减至10个，但选项间语义高度相近，难度显著提升。
据了解，家庭场景是人、物与环境高频交互的典型空间。开关柜门、清洗物品、收纳整理、照护陪伴等日常行为，往往伴随物体状态、空间关系和后续行动条件的连续变化。赛题以此为切入点，重点考察模型对关键物体状态、动作语义、行为结果及状态转移关系的理解能力，而非停留在单一动作识别或画面匹配层面。
出题方银河水滴表示，家庭可能是现实世界中复杂度最集中、同时又与人最密切的场景之一。一扇柜门不仅有位置，还有开与关的状态；一口锅可能处于空置、盛放、加热或清洗等不同状态；同一个“拿起”或“放入”动作，因操作对象和目的不同，会产生完全不同的结果。
家庭场景实际上将感知、常识、因果、规划和人的意图压缩到了同一空间中。模型只有理解这种连续变化，才能从“看见人在做什么”走向“理解人为什么这样做、接下来需要什么”。
据介绍，赛事旨在引导参赛团队探索五层递进能力：一是结构化状态理解，识别关键物体及其状态变化；二是动作与结果之间的因果建模，理解动作对物体和环境产生的实际影响；三是跨人物、跨环境的动作语义泛化，抓住稳定的动作本质而非表面特征；四是时间过程与隐藏状态推理，根据有限观察补全中间过程；五是面向目标的预测与规划能力，为具身智能和多步决策奠定基础。
银河水滴认为，从“看见一个动作”到“理解一个动作”再到“预测动作后果并选择行动”，正是人工智能从识别系统走向人本世界模型的关键一步。
统一评测：实现技术方案同台验证
据悉，本次赛事将视觉语言模型、视频理解模型、动作识别模型、状态转移模型等不同技术路线纳入统一任务框架，引导参赛团队探索多模态理解、时序建模、因果推理、行为预测和世界状态表征等关键问题。
记者从赛会了解到，本次赛事采用自主数据准备机制，组织方不提供官方训练集。参赛者可使用来源合法、授权清晰的公开数据集、自行采集或标注的数据、合成数据及公开发布的预训练模型，但须在技术报告中说明数据来源、模型来源和主要训练方式。
晋级队伍需提交模型权重、推理代码、Docker镜像、运行说明及配置文件，接受组织方在统一GPU服务器环境中的复测。决赛阶段，8支晋级队伍将在NVIDIA A800服务器上完成1000道题的离线推理，以此保障评测公平与结果可复现。
赛事纽带：促进产学研深度对接
据悉，根据赛事安排，本次生态合作赛的冠军、亚军、季军将分别获得8万元、5万元、2万元奖金，奖金总额15万元。获奖者可优先获得银河水滴实习或入职机会。优秀参赛者可优先获得博士后科研工作站推荐、高校导师及科研团队对接、优秀成果期刊推荐与联合科研机会。
银河水滴表示，期待高校和科研团队围绕多模态理解、时序建模、因果推理、行为预测、世界状态表征等方向提出原创性技术方案，也期待企业开发者更加关注模型的稳定性、可部署性和实际场景适应能力。
赛事将以赛题为纽带，发掘具有研究价值和应用潜力的技术方案，并为后续成果发表、系统验证、场景落地和人才培养等合作拓展对接渠道。
文｜记者 梁怿韬 通讯员 海宣
图｜通讯员提供