Potato
IOAI 2026 · Día 1 · Sede: Astana, Kazajistán 🇰🇿
Temas: Interactivos, NLP y Audio, ML Clásico · Edición: IOAI 2026
💡 Qué pide y por dónde va (spoiler)
Adivinar una palabra oculta de un vocabulario de 1602 en ≤30 turnos, proponiendo una palabra nueva que compite con la ganadora anterior. El juez usa una representación privada, distinta de los embeddings públicos que te dan: la señal es real pero ruidosa. Interactivo por stdin/stdout — los prints de depuración van a
stderro rompen el protocolo.
📋 Ficha
| Métrica | 1.0 − 0.02 × máx(0, turno − 10) por partida; 0 si no se resuelve en 30 |
| Límite de ejecución | 10 min para las 120 partidas completas |
| Modelos permitidos | Qwen3-Embedding-0.6B · BAAI/bge-m3 |
| Rendimiento observado | 🔴 media <12 — media 8.19/100 · mediana 0.0 · máx 85.51 · sacaron 0: 66% · pasaron de 50: 5% (n=440) |
| Cohorte | 2026 · Día 1 · Individual |
| Contrato | Fuente oficial revisada |
| Preparación | Material educativo disponible; requiere preparar el entorno |
| Archivos a entregar | solution.ipynb |
| Archivos producidos | No aplica |
| Punto de entrada | vocabulary.json, public_embeddings.npy y mensajes JSON por stdin/stdout. |
| Límite de entrega | solution.ipynb ≤ 1 MB |
| Split de las referencias | Sin train. test_public: 120 palabras para autoevaluación; A: 120 ocultas para feedback durante el concurso; B: 120 ocultas para la clasificación final. A no aporta al puntaje final. |
| Evaluación | python local_test.py solution.ipynb —limit 5 desde code/baseline-original; juez local público orientativo. code/grading/evaluate.ipynb es la versión educativa. |
| Dependencias | NumPy, PyTorch y sentence-transformers según el notebook; modelos permitidos por ruta local. Diez minutos globales para las 120 partidas. |
| Ejecución del grader verificada aquí | No verificada |
No hay train ni archivo de respuestas. La palabra nueva compite con la ganadora previa; estado, turnos y representación del juez importan.
Fuentes del contrato: fuente 1
Revisión documental: 2026-09-06.
🔗 Enlaces
- 📄 Material oficial (enunciado, baseline, grader)
- 📊 Dataset en HuggingFace — trae
public/yprivate/(los splits A y B) - 🏅 Resultados de la edición
▶️ Abrir en Colab
Antes de trabajar, comprueba sus dependencias y descarga de datos; disponer de un enlace a Colab no acredita que el grader haya sido ejecutado en ese entorno.
- Explorar el baseline educativo —
— Adaptación educativa no oficial. No certifica la reproducción del entorno ni del puntaje del concurso. Procedencia.
- Evaluar con el notebook educativo —
— Adaptación educativa no oficial. No certifica la reproducción del entorno ni del puntaje del concurso. Procedencia.