科大讯飞 AI 开发者大赛 · RMSE · 分数越高越好
提交 submission1.csv，提交baseline
平台已返回分数，作为后续实验的对照结果。提交 submission2.csv，修改epochs为20，调整正负样本权重为0.5，并且使用全量数据集
得分再次上涨提交 submission2.csv，修改epochs为20
得分比第一次高，修改了训练轮次之后有明显进步这次实践来自 Datawhale 2026 夏季实训多模态语音识别赛道，
基于语音注册的关键词检测任务，需要根据注册语音作为先验，自适应的识别测试音频中同文本的关键词。本次大赛提供了多人“文本-语音”配对的关键词作为训练样本，参赛选手需基于提供的样本构建模型，并使用测试集的关键词注册语音，预测关键词测试语音是否与注册语音文本相同。
训练数据：任何开源训练集（含噪声集）均可使用，但须注明来源。
外部模型：允许使用开源模型权重进行特征提取（如 whisper 等）； 严格禁止使用任何开源模型权重或 API 直接参与关键词检测判决，开源模型的输出必须服务于训练选手自己的模型
测试：测试集声学场景大致涵盖 -10 ~ 5 dB，将加入部分发音相似词（如 hi <–> haier）以模拟设备误唤醒痛点。
比赛使用均方根误差（RMSE）评估预测结果，数值越低越好。其计算方式可写为 RMSE = sqrt((1 / n) × Σ(yᵢ - ŷᵢ)²)。
RMSE 与预测目标使用相同量纲，同时会对较大的预测误差给予更高惩罚。因此，判断实验是否有效时应比较相同提交阶段的 RMSE，而不是把更高的数值理解为更好的成绩。
| 提交时间 | 文件名 | 平台评分（RMSE） | 相对第一次提交 |
|---|---|---|---|
| 2026-07-16 13:21:33 | submission1.csv |
0.62566 | baseline |
| 2026-07-21 12:58:52 | submission2.csv |
0.64456 | 提交 submission2.csv，修改epochs为20 |
| 2026-07-21 15:49:23 | submission3.csv |
0.6919 | 调整正负样本权重为0.5，并且使用全量数据集 |
| 2026-07-19 16:23:33 | submission4.csv |
2 | — |
