2026 Samsung Collegiate Programming Challenge : AI 챌린지

1. 참여 규칙

• 개인(1인)으로만 참여할 수 있습니다.
• 개인 참가 방법 : 팀 신청 없이, 자유롭게 제출탭에서 제출 가능합니다.
• 동일인의 다계정 참가 등록은 금지되며, 적발 시 부정행위로 처리됩니다.
• SCPC 알고리즘 챌린지와 중복하여 참가 불가합니다.

2. API, 외부 데이터 및 사전 학습 모델 관련 규칙

2-1. 추론 모델 고정

• 본 과제에서는 참가자에게 별도 대형 모델 설치를 필수로 요구하지 않습니다.
• 공개 안내의 fixed SLM interface는 task evidence, risk, redaction, confirmation 관련 신호를 보조적으로 활용하기 위한 고정 interface입니다.
• FixedSLMClient는 정답을 직접 반환하는 모델이 아닙니다. 최종 답안의 focal_id, target, control, content_scope, policy, plan_events는 참가자의 Harness logic이 직접 구조화해야 합니다.
• summarize_task()는 task를 읽고 위험 신호, 삭제 또는 축약 필요성, 사용자 확인 필요성 같은 evidence를 일정한 형식으로 요약해 주는 보조 함수로 이해하면 됩니다.
• 이 출력은 정답표가 아니며, 참가자는 해당 evidence를 자신의 rule, parser, session memory, plan builder와 결합해 최종 answer를 만들어야 합니다.
• 즉, fixed SLM은 "답을 대신 써 주는 장치"가 아니라 "agent가 task를 더 안정적으로 읽도록 돕는 같은 조건의 보조 입력"입니다.
• 공식 실행 조건은 다음과 같습니다.
• 제공 interface: FixedSLMClient
• 제출 JSON의 meta.fixed_slm_policy: local_fixed_slm_only
• 제출 JSON의 meta.model_id: scpc-final-fixed-slm-local-facade
• 외부 유료 LLM API, 네트워크 호출, 임의 외부 모델 사용 금지
• 권장 기본값: temperature=0.0, seed=42
• 상위권 코드 검증에서 사용하는 Harness는 FinalHarness.answer_task(task, session) 형태입니다.
• 참가자는 task의 prompt, device_state, records, visible_history, 이전 session 상태 등을 바탕으로 판단하고, 필요한 경우 FixedSLMClient facade가 제공하는 evidence 신호를 보조적으로 활용해 다음 형식의 답안을 반환해야 합니다.

class FinalHarness:
    def __init__(self):
        self.slm = FixedSLMClient()
        self.user_memory = {}

    def answer_task(self, task, session):
        evidence = self.slm.summarize_task(task)
        answer = build_structured_answer(task, session, evidence)
        return answer

• 답안 형식:

{
    "focal_id": "...",
    "target": "...",
    "control": "proceed|amend|hold|ask",
    "content_scope": {...},
    "policy": {...},
    "plan_events": [...]
}

• 권장 구현 구조는 다음과 같습니다.
• choose_focal: 현재 요청에서 중심 object를 고릅니다.
• infer_target: 최종 수신처, 앱, 채널, 장치, 메모리 저장소 등을 정합니다.
• decide_control: proceed, amend, hold, ask 중 하나를 결정합니다.
• build_content_scope: 어떤 정보는 쓰고 어떤 정보는 제외할지 정합니다.
• build_policy: 위험 신호, 위반 가능성, 확인 필요 여부를 정리합니다.
• build_plan_events: 읽기, 확인, 요약, 삭제, 전송, 보류, 업데이트 같은 계획 단계를 만듭니다.
• update_session_memory: 같은 실행 흐름에서 이후 task가 참고할 정보를 저장합니다.
• 제공 baseline은 위 구조를 한 파일 안에서 실행해 submission.csv를 만드는 예시입니다.
• baseline은 제출 형식과 구현 흐름을 보여주는 약한 출발점이며 높은 점수를 위해서는 참가자가 각 모듈의 판단 로직을 직접 개선해야 합니다.
• 상위권 참가자는 제출 종료 후 재현성 검증을 위해 사용한 Harness 코드, 실행 방법, 주요 규칙·프롬프트·파싱 로직, fixed SLM facade 활용 방식을 제출해야 할 수 있습니다.
• 제출 CSV의 metadata가 공식 interface 사용을 주장하더라도, 실제 생성 과정이 외부 모델/API/수동 라벨링에 의존한 경우 평가 기준 위반으로 처리될 수 있습니다.

2-2. 개발 도구 사용

• Harness 코드 작성, 디버깅, 개선 등 개발 단계에서는 AI 코딩 도구를 사용할 수 있습니다.
• 단, 최종 제출 답안을 생성하는 과정에서는 주최측이 제공한 데이터와 허용된 fixed SLM interface 사용 기준을 따라야 하며, 참가자 간 성능 차이는 Harness 설계와 구현 방식에서 발생해야 합니다.

2-3. 데이터 활용 기준

• 대회에서 제공하는 데이터와 공개된 연습용 dev 데이터는 문제 구조 이해, 제출 형식 확인, 로컬 테스트에 활용할 수 있습니다.
• 다만 평가 대상 과제의 정답이나 특정 패턴을 직접 추정하거나, 특정 평가 과제에만 맞춘 방식으로 답안을 구성하는 행위는 허용되지 않습니다.
• 권장되는 활용 방식은 dev task와 dev answer를 통해 "답안 JSON이 어떤 구조를 가져야 하는지", "각 필드가 어떤 역할을 하는지", "내 harness가 스키마를 만족하는지"를 점검하는 것입니다.
• 공개 dev 예시에서 보이는 특정 문장, record 값, object 순서를 그대로 외워 screening 또는 검증 task에 적용하는 방식은 권장하지 않습니다.

2-4. 하드코딩 금지

• 특정 task_id, session_id 또는 평가 항목에 대한 정답을 코드에 직접 입력하거나, 일반화되지 않은 방식으로 평가 과제를 푸는 행위는 무효 처리될 수 있습니다.
• 참가자는 다양한 과제에 적용 가능한 일반화된 Agent Harness를 설계·구현해야 합니다.

3. 코드 및 PPT 제출 규칙

3-1. 예선 제출물

• 예선 단계에서는 지정된 형식의 submission.csv 파일을 제출해야 합니다.
• submission.csv는 다음 조건을 만족해야 합니다.
• 파일명: submission.csv
• UTF-8 인코딩
• 컬럼명: submission
• 데이터 행: 1행
• submission 셀 안에 answer JSON 전체 포함
• JSON 최상위 구조는 submission_schema.json을 따름
• JSON 파일 직접 제출은 지원하지 않습니다. 참가자는 최종 제출 파일로 submission.csv만 업로드해야 합니다.
• 상위권 참가자는 주최측 안내에 따라 harness.py 코드 실행 가능본과 README를 제출해야 할 수 있습니다.
• 제출된 코드는 재현성 검증을 거치며, 검증 결과에 따라 최종 진출 여부가 확정됩니다.
• 이 단계에서 주최측 내부 평가 환경의 별도 비공개 과제를 활용한 추가 검증이 진행될 수 있습니다.
• 상위팀 코드 제출의 세부 형식과 제출 방법은 추후 주최측 안내에 따릅니다.

3-2. 본선 제출물

• 본선 단계에서는 예선에서 사용한 Harness 설계 및 구현 내용을 바탕으로 솔루션 발표자료(PPT)와 코드를 제출해야 합니다.
• 발표자료에는 Harness의 설계 의도, 전체 아키텍처, 문제 해결 전략, fixed SLM evidence 활용 방식, 세션 메모리 관리 방식, 한계점 및 개선 방향 등을 포함하는 것을 권장합니다.
• 발표자료 분량은 15페이지 이내로 작성하며, 본선에서는 발표와 질의응답이 함께 진행됩니다.

4. 유의 사항

• 1일 최대 제출 횟수: 3회(7/8 00:00 적용) (단, 대회 운영 상황 및 점수 분포에 따라 제출 횟수는 조정될 수 있습니다)
• 제출 파일은 반드시 submission.csv 형식이어야 하며, JSON 파일을 직접 제출하는 방식은 지원하지 않습니다.
• CSV 내부의 JSON이 파싱되지 않거나, 제출 스키마를 만족하지 않거나, 필수 과제 ID가 누락된 경우 제출 오류 또는 낮은 점수로 처리될 수 있습니다.
• dev_answers.json은 일부 dev_tasks.jsonl 문제에 대한 참조 답안 예시입니다. 전체 dev 문제의 상세 해설이나 screening 정답이 아니며, 제출 구조와 로컬 동작을 점검하기 위한 용도입니다.
• dev_answers.json은 screening 답안 생성이나 최종 제출 파일에 포함해서는 안 됩니다.
• 실제 리더보드 평가는 screening_tasks.jsonl의 700개 과제에 대한 submission.csv 제출 결과로 산출됩니다.
• 사용 가능 언어: Python
• 대회 기간과 참가자들의 점수 분포 등을 고려하여, 주최측의 요청에 따라 일정 기간 동안 '코드 공유' 탭이 일시적으로 비활성화될 수 있습니다.
• 모든 csv 형식의 데이터와 제출 파일은 UTF-8 인코딩을 적용합니다.
• 모델 학습과 추론에서 평가 데이터셋 정보 활용(Data Leakage)시 실격 또는 본선 진출이 불가능합니다.
• 평가용 이미지 또는 지문을 수작업으로 라벨링하거나, 이를 기반으로 정답을 직접 추정하여 학습 데이터처럼 사용하는 행위
• 평가 데이터셋에서 특정 패턴이나 정답 분포를 분석해 모델 구조, 전처리 방식, 정답 후보 설정 등에 반영하는 행위 등
• 모든 학습, 추론의 과정 그리고 추론의 결과물들은 정상적인 코드를 바탕으로 이루어져야하며, 비정상적인 방법으로 얻은 제출물들은 적발 시 규칙 위반에 해당됩니다.
• 대회 직후 공개되는 Private 랭킹은 최종 순위가 아니며 본선 진행 후, 최종 수상자가 결정됨
• 데이콘은 부정 제출 행위를 금지하고 있으며 데이콘 대회 부정 제출 이력이 있는 경우 평가가 제한됩니다. 자세한 사항은 아래의 링크를 참고해 주시기 바랍니다.

https://dacon.io/notice/notice/13

5. 토론(질문)

• 대회 운영 및 데이터 이상에 관련된 질문 외에는 답변을 드리지 않고 있습니다. 기타 질문은 토론 페이지를 통해 자유롭게 토론해주시기 바랍니다.
• 데이콘 답변을 희망하는 경우 토크 게시글 댓글로 질문을 올려 주시기 바랍니다.

예) [DACON 답변 요청] 시상식은 언제 열리나요?