生态构建专题赛赛题简介

赛题报名及详细信息详见《首届全国先进计算技术创新大赛》官网

生态构建专题赛共设三道赛题，分别为“ARM服务器的内存RAS设计”、“基于AI算法的Linux平台应用UI自动化识别与测试”和“基于计算硬件平台的AI大模型迁移”。

　　一、2023D1-ARM服务器的内存RAS设计

　　赛题说明

　　1、赛题背景

　　目前ARM计算平台在生态适配性上仍与X86计算平台存在较大差距，尤其在可靠性适配方面，即RAS特性还没有系统性的实现，这导致了ARM计算平台在进入金融市场存在可靠性不足的问题。

　　基于ARM平台如何提升平台可靠性，构建对内存故障、CPU故障、总线故障的检测方法和容错能力，是提升ARM平台可用性的一个关键问题。

　　2、赛题任务

　　基于ARM平台为基础，重点针对内存故障检测和容错问题进行研究，给出解决措施；需要基于ARM框架进行故障检测方式分析，并考虑如何通过OS进行故障内存在线隔离，形成完整的方案，并通过在飞腾S2500 ARM平台上进行模拟实现页面隔离（会提供内存的地址，供模拟隔离）。

　　图1：基于硬件错误的linux内核的隔离策略

　　参赛队伍需基于ARM平台,针对内存可纠正错误实现故障检测和容错设计和验证，给出判定内存页面故障的方法（本题针对内存可纠正错误），并通过基于ARM的RAS架构分析，输出故障上报和容错的方案，包括相关的模块以及模块的功能和处理流程。并最终在设备上模拟验证部分流程是否符合预期。

　　专题赛阶段：

　　参赛队伍在初赛阶段需完成方案设计，包括内存可纠正错误的检测方法和容错总体框架，结合方案并基于linux系统，给出对应接口及其实现详细机理；输出方案设计文档及重点技术的机理描述，在线提交。复赛阶段，参赛团队需要基于初赛的设计方案参与现场答辩，通过答辩考察方案及重点环节的掌握程度，例如检测算法或页面隔离等技术等。

　　总决赛阶段：

　　参赛团队需在主办方提供的云服务器上，完成模拟内存故障（主办方会提供基于飞腾S2500处理器或X86服务器的待隔离内存地址，针对该地址进行隔离即可，即无需实现故障检测，只实现隔离模拟即可）页面在线隔离，需要基于OS对ARM平台的流程来实现，进而模拟实现ARM平台下的内存页面在线隔离展示，并通过ppt进行现场答辩。

　　3、赛程赛制

　　专题赛分为线上初赛和线下复赛两个阶段：

　　（一）线上初赛：参赛队伍线上提交作品。大赛专家组依据参赛队伍进行线上评分，选取优秀者进入线下复赛。

　　（二）线下复赛：在专题赛主办地举办。通过现场答辩，角逐出优胜奖入围总决赛。

　　总决赛：在四川省达州市举办。通过现场答辩，评选出一、二、三等奖。

　　4、赛题技术支持

　　参赛环境：参赛队伍可申请使用由中国电子云计算平台提供的算力资源。

　　二、2023D2-基于AI算法的Linux平台应用UI自动化识别与测试

　　赛题说明

　　1、赛题背景

　　2020年底麒麟生态软硬件适配量已突破150万项，但和国际头部操作系统相比还有较大差距。软硬件生态适配体量大，类型复杂多样、产品迭代速度快等问题给适配测试工作带来巨大挑战，用户真实场景难以全覆盖、回归测试人工成本高，迫切需要一个高效智能的自动化测试方案来保障生态适配质量，快速构建操作系统创新软硬件生态。

　　2、赛题任务

　　专题赛赛题：

　　对于Linux操作系统来说，软件生态的大批量适配测试一直没有形成广泛而通用的UI自动化方案，原因之一在于其软件类型复杂多样，比如麒麟操作系统的应用生态，因开发者不同应用可粗略分为自研应用、开源软件、三方应用等，也可按照应用类型不同分为桌面应用程序、web应用、基于KMRE的移动端应用、基于CrossOver的Windows应用、驱动程序等，因此存在应用开发语言、技术、规范不统一，控件识别难度大等问题，难以形成通用普适的图形化界面测试方法。

　　针对Linux UI自动化测试问题，参赛团队需要构建一个UI控件识别模型或识别工具，并形成文档。建议采用如下工作步骤：

　　1）获取训练数据集：从各大图标网站爬取或下载大量数据集，为模型训练做准备。

　　2）数据预处理：利用图像处理技术将获取的数据集处理成格式类型相同的数据，并对数据进行标注，标注为训练集和测试集。

　　3）模型训练：使用机器学习或深度学习常用算法进行训练，得到控件识别模型。

　　4）模型预测与调优：测试模型的识别效果并对模型进行精度调优。

　　5）形成工具：使用Python编写控件识别工具，输入控件截图可返回控件名称或控件功能名称。

　　*开发语言建议为Python，熟悉常用的自动化测试框架设计，能够在银河麒麟桌面操作系统V10 SP1上成功运行，覆盖的应用可从麒麟软件商店抽取。

　　总决赛赛题：

　　麒麟软件生态适配体量大，类型复杂多样、产品迭代速度快给适配测试工作带来巨大挑战，问题具体表现在两个方面。一是用户真实场景难以覆盖到。用户在使用操作系统时，往往涉及到较为复杂的场景，如编辑文档的同时还会使用实时通信软件进行聊天。而往往对于操作系统、三方软件的适配测试是由不测试人员分别开展的，很难保证覆盖到用户使用时的更复杂场景。二是回归测试人工成本高。操作系统与三方软件的版本快速迭代，尤其是操作系统级别的迭代，在兼容性标准不统一与Linux碎片化的问题得到解决前，每次都需要对仓库源级别的应用进行大批量的回归测试；尽管采取了一些UI自动化测试方案，但都需要通过维护自动化脚本来实现测试自动化，随着产品快速迭代，自动化测试脚本的维护将消耗很大的人力成本和时间成本。

　　结合国内操作系统生态适配现状，合理引入技术，形成一套智能探索测试方案，以真实用户的视角在操作系统与应用内实现自主探索，全流程无人参与的自动化测试。要求如下：

　　1）可参考行业内较为成熟的Monkeybot、AI自动化手游测试等方案，优化设计并形成适用于国内操作系统的《基于AI技术的智能探索测试方案》，包含问题分析、方案设计、创新点、价值性等内容。在UI控件识别能力、业务理解能力、智能决策、路径覆盖上，要进行具体的分析，给出选型依据，并提供验证思路。

　　2）开发实现（可选），包括但不仅限于：一套测试工具支持麒麟多系统（银河麒麟操作系统V10，银河麒麟操作系统V10 SP1），建议考虑兼容不少于2种架构（例如X86、ARM、MIPS、990、9006C、LoongArch等）；具有主动理解业务的能力，能够智能做出决策，摆脱对测试脚本的依赖，有效覆盖用户使用的场景。

　　*决赛赛题更偏重于在智能探索测试领域找到一个方向或思路，以形成方案为主，代码实现为辅。

　　3、赛程赛制

　　专题赛分为线上初赛和线下复赛两个阶段：

　　（一）线上初赛：参赛队伍线上提交作品。大赛专家组依据参赛队伍进行线上评分，选取优秀者进入线下复赛。

　　（二）线下复赛：在专题赛主办地举办。通过现场答辩，角逐出优胜奖入围总决赛。

　　总决赛：在四川省达州市举办。通过现场答辩，评选出一、二、三等奖。

　　三、2023D3-基于计算硬件平台的AI大模型迁移

　　赛题说明

　　1、赛题背景

　　在人工智能领域，ChatGPT、GPT-4、文心一言等大模型已成为当前前沿主题，越来越多的AI公司也加入到大模型研究之中，人工智能已经发展到了一个新的阶段，对底层计算技术也提出了更高要求。

　　2、赛题任务

　　参赛队伍需以曙光计算服务平台为基础，进行大模型迁移或研发。

　　参赛队伍在研发过程中需基于曙光自研的软件栈（配套有成熟软件库、编译器等）。

　　参赛队伍使用的其他相关软件建议均使用国产化软件，如深度学习框架等。

　　*此处列举出多种常见大模型：Luotuo-Chinese-LLM、GPT、GLM、Bloom、swin-transformer、transformer、GLIP、Bert-large、stable diffusion、LSTM、MAE、UniVIP、VisualBert、Moco、emae、wav2vec2。（仅供参考，建议参赛选手优先实现中文大模型）

　　3、赛程赛制

　　专题赛分为线上初赛和线下复赛两个阶段：

　　（一）线上初赛：参赛队伍线上提交作品。大赛专家组依据参赛队伍进行线上评分，选取优秀者进入线下复赛。

　　（二）线下复赛：在专题赛主办地举办。通过现场答辩，角逐出优胜奖入围总决赛。

　　总决赛：在四川省达州市举办。通过现场答辩，评选出一、二、三等奖。

　　4、赛题技术支持

　　（1）提供曙光计算服务平台相关的使用文档，开发者社区地址，以及技术支持。

　　（2）提供SoThisAI平台的功能展示。

　　（3）提供2~3次的曙光计算服务平台以及相关硬件的技术培训，确保参赛团队可以更快的使用平台。

　　（4）提供交流群，在工作时间内为参赛团队提供各种支持。