Scientify对照论文
对照结论
交付
同题 O 奖论文对照
Scientify 结果高于 C 题 O 奖论文
C 题 O 奖论文 2401445 报告两项准确率：球员表现判断 82.40%，势头转折预测 77.60%。Scientify 在严格留出的测试集的 201 个预测时点上测得 96.02% 准确率与 91.51% 类别均衡准确率。
对照结果
Scientify 结果更高
Scientify 在严格留出的测试集上取得 96.02% 准确率，比 C 题 O 奖论文报告的 82.40% 与 77.60% 分别高 13.62 与 18.42 个百分点。
自主执行过程
Scientify 在同一个工作区里自主提出假设、替换状态定义、发球先验、方向门控与决策规则，一路迭代到第九版本反事实状态机。开发集 macro F1 从第六版本的 0.79287 提升到 0.93722，最差单场 macro F1 从 0.74163 提升到 0.91971。
- 研究对象
- 2024 MCM C 题网球势头
- 输入
- 题面、数据字典与 7,284 行逐分数据
- 约束
- 只使用截至当前分的信息
- 交付
- 研究报告、代码、预测与结果记录
- 1已完成
读题与检查
核对题面、数据字典与 7,284 行逐分数据，逐分重建比分与发球方状态。
- 2已完成
迭代假设
从基线模型推进到确认状态机与发球校正门控，逐轮比较候选方案；第七版本的联合状态分布路线开发 macro F1 为 0.69958，已完整保留。
- 3已完成
反事实状态机
第九版本放弃转折门控与方向分类器，改为分别模拟下一分的两种结果，用训练期球员发球先验估计两个反事实分支。
- 4已完成
交付与测试
先记录开发、调参与校准三组数据的指标，再由独立脚本在严格留出的测试集上完成测试。
Scientify 用完整记录保证结果可核查
- 评测由独立脚本执行，开发、调参与校准三组数据的指标都写在工作区里。
- 工作区保留了被替换的建模路线与完整检查记录。
可核查工作区
任务执行的记录
打开文件可以看到每一轮假设、代码、结果和检查记录。
mcm2024c_paper.pdf
完整论文，含 LaTeX 源码
已生成outer_result_v9.json
严格留出的测试集的 201 个预测时点结果
已生成frozen_directional_counterfactual_v9.json
开发与校准阶段的设置和指标
已记录directional_counterfactual_state.py
第九版本算法的反事实状态机代码
可运行audit.json
逐分数据与字段检查记录
已生成predictions.csv
逐时点预测与三类概率
已生成report.md
完整研究报告
已生成费用
新用户免费获得一台云电脑和 5 额度
按每月额度选择套餐，云电脑免费提供。赛题、数据、代码、运行记录和结果始终保留在同一个工作区。
轻量版
$19/月
60 额度
研究版
$29/月
100 额度
专业版
$99/月
350 额度
同等模型用量的价格约为标准 API 的 30%。1 额度等于 1 美元的标准 API 用量，按 Token 价格扣减。