GPU 开源生态挑战赛

📌 挑战方向

模型迁移

• 单 Transformers 模型迁移到 vLLM / SGLang（可运行并优化）
• 参考LMDeploy开源适配模型实现，实现未支持的多型在国产算力上运行
• 参与InfiniCore开源项目的上游贡献
• 其它有价值的迁移，以最终提交审核为准

论文复现

• AI4S 领域前沿论文复现与加速

生态破局

• 将 CUDA AI 开源软件迁移至国产开源MACA软件栈

生态繁荣

• Jax 模型迁移至 PyTorch

可参考项目列表

• https://github.com/MetaX-MACA/FlashMLA

其它方向

▶ 项目价值：推动国产 AI 基础设施自主化

📤 提交要求及评分标准

参赛资格

• 提交的代码可在曦云C500上运行

提交内容（提交到比赛平台、当前仓库或者上游开源社区的代码仓库提供PR Link）

• 代码
• 初始化文档
• 部署脚本
• 环境配置
• 在线复现环境

文档要求

• 验收测试用例
• 使用手册

评分标准

• 能成功复现运行：60 分
• 输出正确结果（参考 CUDA 平台）：61~100 分

加分项

• 提供性能优化，且提供可复现的对比测试报告：+0~50 分

🏆 排名机制

• 评委评分从高到低排序
• 若分数相同：
  • 性能提升高者优先
  • 内容完整性高者优先 输出正确结果（参考 CUDA 平台）：61~100 分

加分项： 提供性能优化，且提供可复现的对比测试报告：+0~50 分 🏆 排名机制 评委评分从高到低排序 若分数相同： 性能提升高者优先 内容完整性高者优先