Google - The Gemma 4 Developer Agent Competition

适合专业与项目难度

真实 Python 仓库修复、工具工程和测试适合计算机与软件工程；模型后训练、代码检索与验证设计对应 AI、机器学习和数据科学。

为什么评为进阶？

可从官方示例和少量任务起步，但需组合依赖环境、检索、工具调用、时间预算与可复现验证；LoRA 或强化学习属于更深路线。

等级说明：需要专业建模方法、可靠验证或多个工程环节，并完成可解释的对照实验。

建议具备的基础

• Python、Git diff 与 pytest 基础
• Linux/Docker、依赖管理与日志调试
• LLM 工具调用和基础验证设计

可以从哪里开始

先用官方 sample_submission 在少量公开任务上跑通配置、sandbox 和补丁验证；固定任务划分后，再比较提示词、代码图检索和可选 LoRA。

专业与难度由本站根据项目文档分析，面向基线复现与对照实验；具体门槛取决于承担的任务和项目深度。 这不是 Kaggle 官方评级。

先把任务说清楚

Agent 需要读取真实 Python 仓库的问题描述，在固定代码快照中定位相关函数、调用工具修改代码，并输出可应用的 Git diff。官方以补丁是否通过验证测试判断每个任务是否解决，因此代码检索、规划、修改与测试必须形成闭环。公开开发任务提供参考补丁和测试；隐藏评测不向 Agent 提供答案。

技术路线

1. 基线

   环境与配置基线

   从官方 sample_submission 起步，固定基座模型与依赖，在少量任务上跑通 Agent、sandbox、补丁提取与测试。

2. 检索

   仓库导航与工具闭环

   比较文件搜索、语义检索和代码图，保留定位依据与工具轨迹，处理命令失败和非法路径。

3. 验证

   任务划分与错误分析

   隔离保留验证任务的参考补丁，按任务或仓库划分，报告通过率并区分定位、补丁、测试和超时错误。

4. 实验

   预算内的对照改进

   逐项比较提示词、检索、上下文管理、子 Agent 和可选 LoRA，在 12 小时总预算下核验收益与打包结构。

组队时间窗口

Team Merger deadline

2026年11月25日

Final submission deadline

2026年12月2日

比赛结束日期

官方结束日期待核验

预计结果日期

2026年12月9日，Final Submission 后增加 7 个自然日

预计结果日期用于时间适配，不代表官方奖项发布日期或结果承诺。

规则与提交信息

公开分类

agent

最大队伍人数

5

评价指标

逐任务 PASS/FAIL：通过验证测试的任务比例

提交文件

submission.zip（根目录必须有 agent.yaml）

运行上限

全部任务共 12 小时，含 sandbox 初始化，不含补丁验证时间

• 最多 5 人组队；报名与组队截止为 2026-11-25 UTC 23:59（北京时间次日 07:59），最终提交为 2026-12-02 UTC 23:59。
• 每日最多提交 1 次，最终最多选择 2 份；合并队伍需满足官方总提交次数限制。
• 提交 submission.zip，根目录必须包含 agent.yaml；评测生成的 submission.parquet 是输出文件。
• 每个 Agent 与子 Agent 均须使用 gemma-4-31b-it-qat-w4a16-ct；LoRA adapters 可选。
• 工具调用、skills 与文件访问遵循官方 harness 和 sandbox 限制；外部数据及获奖开源义务以 Rules 为准。
• 论文赛道独立提交，截止为 2026-11-12 UTC 23:59，不能替代本预测赛道的 Agent 提交。

比赛状态、Rules、提交限制和赛程可能变化，请以 Kaggle 官方页面为准。

资料说明：用于理解任务和公开方案，不代表实时排名、最终成绩或结果承诺。

公开研究资料

以下图表基于公开页面整理，用于理解公开方案与讨论主题。数据会变化，不作为成绩、排名或结果承诺。

协作重点与可交付成果

复盘与面试可以讲什么

• 为什么生成代码不等于通过任务验证
• 文件搜索、语义向量和代码图各提供什么证据
• 如何隔离参考补丁并防止公开开发集过拟合
• 多 Agent 或 LoRA 的收益是否值得额外时间与算力

适合用途

官方规则与赛程

团队、资格、数据、模型、代码共享和提交方式以单场 Rules 最新内容为准。

站内下一步