大赛简介
百度搜索技术创新挑战赛（简称 STI）是由百度搜索发起，联合四大区域高校、学会共同举办的一项全国性科技竞赛。本次大赛以“新智能·新搜索”为主题，围绕人工智能、检索技术，为参赛团队提供海量百度搜索脱敏业务数据进行训练及测试。本次大赛面向全国企业、高校、科研机构、项目团队及个人广发英雄帖，旨在挖掘和培育搜索 AI 人才，促进业内交流、产教融合，推动算法和技术应用创新。
本次大赛分为区域赛、复赛、决赛三个阶段，区域赛将由四大赛区独立排名及颁奖，复赛及决赛将依据总排名进行选拔和评比。北部赛区由北京大学承办，东部赛区由山东大学承办，南部赛区由湖南省人工智能学会承办， 西部赛区由西安电子科技大学承办。
奖项设置
赛程设置
赛题说明
赛道 1：搜索问答
近年来，随着机器阅读理解与深度预训练模型等相关技术的发展，抽取式智能问答系统的性能取得了非常明显的提升。然而，在开放领域的搜索场景下得到的网页数据会非常复杂，其中往往存在着网页文档质量参差不齐、长短不一，问题答案分布零散、长度较长等问题，给答案抽取和答案置信度计算带来了较大挑战。
因此，本任务希望从答案抽取和答案检验两个方面调研真实网络环境下的文档级机器阅读理解技术，以求进一步提升深度智能问答效果，给用户提供更好的搜索体验。
赛道 2：搜索模型推理优化
近年来基于 Transformer 模型结构的预训练语言模型技术快速发展，并在 NLP 领域取得了巨大成功。百度搜索引擎依托与深厚的 AI 技术积累，搭建了超大规模的模型推理异构加速集群，通过落地 Ernie 文心模型，为用户带来了显著的搜索体验提升。而在百度搜索 Ernie 模型的工业化部署实践中，针对复杂 Ernie 模型结构的高性能推理对于保障亿万用户流畅的搜索体验、控制算力成本开销至关重要。
在业界针对 GPU 进行复杂模型的异构推理加速也是一个火热的研究话题，多种优秀的技术方案不断涌现。其中既有百度推出灵活易用的 PaddlePaddle 深度学习全流程工具，也有 NVIDIA 推出的针对深度学习模型推理极致优化的 TensorRT 框架。
本任务提供一个典型的搜索场景的 Ernie 模型，希望参赛者通过各种优化技术，挑战最优的模型推理性能。
