# OpenAI 办了一场“参数高尔夫”比赛，1000 多人用 AI 助手卷模型压缩，我们看到了什么

> 原标题：Parameter Golf 揭示了关于 AI 辅助研究的哪些经验

- 来源：AI HOT 精选
- 发布时间：2026-05-12T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/19053
- 原文：https://openai.com/index/what-parameter-golf-taught-us

## 摘要

OpenAI 搞了个叫 Parameter Golf 的机器学习挑战赛，规则很硬：模型加代码总大小不能超过 16MB，训练时间只有 10 分钟（用 8 张 H100），看谁能在固定数据集上把测试损失压到最低。超过 1000 人提交了 2000 多次结果。我会先打个折，正文没披露最终冠军的具体分数，但重点讲了技术路数。最卷的方向是训练优化，有人把前人的好...

## 推荐理由

OpenAI 的 Parameter Golf 复盘靠一场实打实的比赛、1000多名参与者和2000多份提交撑住了 HKR 三项。它属于研究/基准信号，不是模型或产品发布，所以 78 分放在 featured 里偏低的那一档是合理的。我会先打个折：目前只有一篇 Reddit 帖子，没有独立复现，也没看到论文或代码放出来。

## 锐评

Parameter Golf 这个比赛规则很硬：模型加代码总大小不能超过 16MB，训练时间只有 10 分钟（用 8 张 H100），看谁能在固定数据集上把测试损失压到最低。超过 1000 人提交了 2000 多次结果。我会先打个折，正文没披露最终冠军的具体分数，但重点讲了技术路数。

最卷的方向是训练优化，有人把前人的好方案攒在一起，调了 Muon 权重衰减、频谱嵌入初始化这些细节，效果拔群。量化这块也有人用 GPTQ-lite 把训练后的模型压得更小，后来还有人上了完整的 Hessian GPTQ，压缩路径更狠。比较有意思的是测试时训练策略，有人先打分再对已评分的文本块做 LoRA 微调，在规则边缘试探，组织方得仔细审核。

一个值得注意的点是 AI 编程助手在这次比赛里用得特别多，降低了实验成本，让更多人能参与，但也给提交审核和归属判定带来新麻烦。OpenAI 还把这当成挖人的渠道，说明这种开放式的技术挑战确实能筛出有工程品味和韧性的人。不过正文对最终成绩、数据集具体规模和验证集构成都没细说，这些信息缺口让人没法判断这些技巧在更大规模任务上能迁移多少。