[第 20 名] 一个简单的解决方案，尝试与思考

由于我是在最后一周才参加这场比赛，所以我只是尝试了一些简单的方法。

结果

• 代理 1 得分 1006
• 代理 2 得分 934

初始想法：语义二分搜索

我使用 gpt-4o 和 deepseek-chat 作为策略代理，基于公共关键词构建多个语义树。这在强大模型上似乎效果不错，但挑战在于配对的回答模型是随机的……

然后我在开源模型上做了一些实验，比如 llama3/3.1、qwen 及其变体。但结果令人沮丧，与 gpt-4o 和 deepseek 的回答一致性只有 70%~80%，这很可能在多轮提问后导致方向错误。

最终方法

Agent Alpha

之后，我只剩下两天时间了。所以我尝试借鉴社区的一些想法，遇到了 AgentAlpha。与任何基于 LLM 的方法相比，它的胜率要高得多，但也需要相当数量的 Kaggle 参赛者选择它。无论如何，握手只需要一轮，所以我认为这是个不错的交易。然后我使用 deepseek-chat（比 gpt-4o 便宜得多）基于公共关键词生成了 3 万个相似关键词，作为 agent alpha 的关键词池。

预定义问题和 CoT-SC

当 Agent Alpha 不可用时，我首先使用预定义的问题序列（来自初始想法），然后利用 CoT-SC 代理（自一致性思维链代理）生成问题。

仍有很多优化空间，例如使用 WIKI 或其他知识库扩展关键词列表，或进行一些过滤，并使用 vllm 加速模型以进行更彻底的推理和投票。由于速度原因，没有 CoT 就直接猜词了……

感谢 Kaggle 举办这次比赛。很有趣，我期待未来能有更多这样的比赛。