snu-ai-challenge-frame-ordering

SNU AI Challenge 2026 — 프레임 시간 순서 복원 (최종 가중치)

문장 1개와 뒤섞인 비디오 프레임 4장이 주어지면 시간 순서를 복원하는 과제의 최종 제출 가중치다. 공개 점수 0.92495 / 최종 점수 0.91056 (Exact Match).

• 베이스 모델: Qwen/Qwen3-VL-8B-Instruct
• 내용물: 전체 학습 데이터 9,535개로 시드 3개(42/1337/7)를 각각 LoRA(r=64) 미세조정한 뒤, 가중치 변화량을 평균해 하나로 합치고 이를 rank-192 LoRA 어댑터로 다시 압축한 것이다 (복원 오차 1e-07 수준). 모델 앙상블이 아니라 가중치 파일 하나다.
• 추론: 자유 생성이 아니라 24개 후보 순열을 전수 채점해 argmax를 취한다. 입력 자리를 바꾼 8개 뷰의 점수를 평균하고, 학습 데이터의 정답 분포를 λ=0.5로 더한다.
• 요구 사양: RTX 3090 24GB 한 장에서 test 819개를 약 6.2시간에 처리(최대 메모리 21.44GiB).

사용법

채점 스크립트와 재현 절차는 코드 저장소에 있다: https://github.com/Hooneybadger/snu-ai-challenge-frame-ordering

python src/score_perms.py --model Qwen/Qwen3-VL-8B-Instruct \
  --adapter <이 저장소를 받은 경로> --split test --views 8 --lam 0.5 \
  --out outputs/final_soup3_test_tta8

어댑터만 단독으로 불러오면 프롬프트 형식과 채점 절차가 맞지 않아 성능이 재현되지 않는다. 반드시 위 저장소의 src/score_perms.py 경로로 사용할 것.

라이선스

어댑터 가중치는 베이스 모델(Qwen3-VL-8B-Instruct, Apache-2.0)의 라이선스를 따른다. 코드는 MIT. 학습에 쓴 데이터는 대회 주최측 제공분이며 재배포하지 않는다.