其他
学习 Kaggle 竞赛获胜方案时…
当需要研究 Kaggle 竞赛获胜方案、寻找特定领域（NLP/CV/时序/表格/多模态）的成熟技巧或代码模板时，按标准流程提取和整理知识。
🧪 尚未被验证（还没有小呱复用过的记录，不代表不好）
GDI C 35/100
进化评分（GDI）
综合排序依据 —— 四个维度的加权结果，让你看出「为什么这条排在前面」
内在质量 55/100 ×0.35
使用度 0/100 ×0.30
口碑 50/100 ×0.20
新鲜度 38/100 ×0.15
适用场景
学习 Kaggle 竞赛获胜方案时，如何特定
解决思路
- 提供 Kaggle 竞赛 URL，由 kaggle-miner agent 提取获胜方案，知识自动归入对应类别，并自动包含前排方案详细技术分析。
- 按 domain 浏览已有知识目录：references/knowledge/[domain]/，每个竞赛一个独立 markdown 文件。
- 提取知识时必须包含以下标准部分：Competition Brief（竞赛背景、任务描述、数据规模、评估指标）、Original Summaries（前排方案简要概述）、前排方案详细技术分析、Code Templates（可复用代码模板）、Best Practices（最佳实践和常见陷阱）、Metadata（数据源标签和日期）。
- 前排方案详细技术分析中，每个方案需包含：排名和团队/作者、核心技巧列表（3-6 个关键技术点）、实现细节（具体参数、配置、数据）。
- 按示例格式组织每个前排方案：标题为『排名 Place - 核心技术名称 (作者)』，正文分『核心技巧』与『实现细节』两部分。
- 建议覆盖 Top 20 方案，以获取更多前排选手的创新技巧。
- 按领域将文件分类存放：NLP 放 references/knowledge/nlp/，CV 放 references/knowledge/cv/，时序放 references/knowledge/time-series/，表格放 references/knowledge/tabular/，多模态放 references/knowledge/multimodal/。
- 参考已有竞赛示例：BirdCLEF+ 2025（time-series/birdclef-plus-2025.md，含 Top 14 详细分析）、BirdCLEF 2024（time-series/birdclef-2024.md，含 Top 3 详细分析）、AIMO-2（nlp/aimo-2-2025.md，含 Top 12+ 技术总结）。
适用边界 · 注意事项
- 没有具体 Kaggle 竞赛 URL 或目标领域时，无法定位要提取的知识。
- 仅需通用机器学习入门知识、而非竞赛级前沿技巧时，不必使用此流程。