近日，一年一度的國際數據挖掘頂級會議KDD正在如火如荼的進行。在此次會議中，第四范式捷報連連：首先，第四范式與北京航空航天大學童詠昕教授研究組組成的聯合團隊在千余支隊伍中脫穎而出，獲得KDD Cup 2020強化學習挑戰賽（RL Track）世界冠軍；其次，由第四范式主辦，ChaLearn、斯坦福大學和谷歌（Google）協辦的KDD Cup 2020自動機器學習挑戰賽（AutoML Track）圓滿落幕，中國團隊不負眾望，包攬前三名的同時，斬獲了大部分獎項。第四范式創新的賽制、出色的組織也得到了KDD主席團的高度認可。此外，由第四范式參與組織的AutoML Workshop和Tutorial邀請了諸多學術大咖，分享AutoML的實戰應用，得到了學術界的積極響應和廣泛關注。

賽題聚焦共享出行優化難題 彰顯技術價值

今年，KDD Cup 2020 強化學習挑戰賽難度陡增，與去年KDD Cup強化學習賽題的分類任務以及過往多應用在體育競技類比賽性質不同，此次挑戰賽聚焦于更加真實且問題極為復雜的業務場景，以解決共享出行領域優化難題——智能化按需共享出行平臺。主辦方希望參賽團隊嘗試應用強化學習解決方案提出智能算法策略，在確保用戶體驗的基礎上，進一步提高出行效率和司機收入，將強化學習的價值進一步放大。

該項賽事全球共有1007支團隊參賽，其中不乏普渡大學、南京大學、中國科學技術大學、中山大學、東南大學等國際頂尖高等院校以及電商巨頭京東、出行巨頭Lyft、 日本通信巨頭NTT DOCOMO的身影。最終，第四范式與北京航空航天大學童詠昕教授研究組組成的聯合團隊以絕對優勢斬獲KDD Cup 2020強化學習挑戰賽冠軍，這也是中國AI公司首次奪得該項賽事的冠軍。

此次比賽主辦方共設計了訂單分配和車輛調度兩個任務，參賽團隊需設計開發算法來指定在派單窗口內的訂單和司機進行匹配，并指引一批空閑司機開往指定目的地。最終結果排名以所有司機的平均日均收入為評判標準。

為了最大化平臺上所有司機日均收入，在計算每個訂單的收益時，聯合團隊采用強化學習的方法，不僅能考慮當前時刻的收入，還能兼顧未來可能的收益。同時，結合剪枝與C++實現的高效二分圖匹配算法，能夠在2秒的規定時限內，及時找到合適的訂單分配方案，保證乘客的用戶體驗。

AutoML挑戰賽圓滿落幕 中國團隊閃耀數據挖掘世界杯

此次KDD Cup另外一個重頭戲，是由第四范式主辦，ChaLearn、斯坦福大學和谷歌（Google）協辦的KDD Cup 2020自動機器學習挑戰賽，比賽經過四個月的激烈角逐最終落下帷幕，并公布了比賽成績：美團點評、中國科學院大學、清華大學的聯合團隊獲得冠軍，南京大學團隊斬獲亞軍，螞蟻金服團隊位列第三。

大賽吸引了全球上百支隊伍參賽，囊括了加利福尼亞大學洛杉磯分校、南加利福尼亞大學、南洋理工大學、新加坡國立大學、中國科學院大學、清華大學、浙江大學、北京大學、北京郵電大學、南京大學、中國科學技術大學、香港大學等世界頂尖高校以及阿里巴巴、美團點評、螞蟻金服、海康威視等科技巨頭共同參賽。

與以往聚焦在表數據的AutoML競賽不同，本次比賽首次設置為AutoGraph 挑戰賽，聚焦在近年來非常熱門的圖表示學習技術。其核心任務是基于圖的拓撲結構，學習節點或者全圖的向量表達，從而更好地用于下游機器學習的任務，如商品推薦，知識圖譜補全，交通流量預測等，希望通過自動實現圖表示學習的方案，解決現有圖表示學習算力投入大、技術實現難等棘手問題。

對此，該賽事負責人之一、第四范式副總裁、主任科學家涂威威認為：“圖表示學習的應用領域十分廣闊，因此能夠自動實現圖表示學習的方案極具應用價值，這也是學術界和工業界近年來共同關注的焦點之一。此次比賽驗證了AutoML能夠很好的應用于圖領域，并且獲得了出色的效果。參賽者們也對傳統的方法進行了諸多改進，對業務效果提升明顯。未來，第四范式還將在自動圖表示學習方向上深耕，進一步推動其發展與應用落地。”

此外，作為第一家連續兩年舉辦 KDD Cup 的中國科技公司，第四范式此次加大了賽事投入力度，獎金也為歷年最高，達到了34000美金，排名前10的團隊均可獲得獎金，創新的賽制、出色的組織也得到了KDD主席團的高度認可。

組織多場學術活動引學界關注 持續推動AutoML發展

本次大會雖然采用虛擬方式召開，但仍然提供與往年相同的活動內容，吸引了眾多世界數據挖掘領域的頂尖專家、學者參與。為了進一步推動AutoML發展，第四范式參與組織了AutoML Workshop，并與清華大學聯合舉辦了名為“Automated Recommender System”的Tutorial活動，得到了學術界的積極響應和廣泛關注。

近年來，機器學習技術的應用領域越來越廣泛，為了進一步降低人工智能專家稀缺性和成長周期長造成的影響，AutoML已成為一個非常重要的研究課題。與此同時，如何在真實的業務場景中應用現有的AutoML算法也成為了工業界關注的焦點。在此次的AutoML Workshop中，第四范式聯合創始人、AAAI院士、IJCAI理事會主席楊強、德國弗萊堡大學計算機科學系機器學習教授、博世人工智能中心首席AutoML專家Frank Hutter、杜克大學電子與計算機工程系教授Hai (Helen) Li （KDD 2020最佳學生論文的指導老師）、美國德州農工大學數據挖掘實驗室主任、計算機學院終身教職系列助理教授胡俠等學術大咖現身說法，通過實際案例講解了自動遷移學習、自動聯邦學習、自動多方機器學習（AutoMPL）、自動推薦系統（AutoRec）、自動異常檢測系統（AutoOD）、以及CTR預測任務自動設計架構等技術實踐。

此外，在Tutorial活動中，第四范式也與清華大學學者重點圍繞特征工程、超參數優化/神經網絡結構搜索、算法選擇等三個重要課題進行了詳細闡述，并介紹了AutoML技術在推薦系統領域的應用。

未來，第四范式還將與更多AutoML技術的研究者和團隊開展深入的合作與交流，為AutoML的應用普及提供新的思路和動力。