黑客马拉松：Kaggle（第 8 页）

English version

黑客马拉松 · Kaggle：共 157 条，本页为第 106–120 条。

• HostileShop: A Quaint Hostel Shop with Sharp Tools

  出版方：Mike Perry · 所属集合：Red-Teaming Challenge - OpenAI gpt-oss-20b · 形式：获奖技术项目 · 权威分层：R · 审核状态：五项硬门槛通过

  证据分级：仅用于发现，不得单独支持正式结论。

  HostileShop is an adversarial agent testing and evaluation framework that doesn't rely on LLM-As-Judge or a static dataset.

  证据用途：用于发现获奖项目的实现流程、数据资源、评测方法与应用约束；具体结论需回到项目原文核对。

  使用边界：黑客马拉松奖项不等同于同行评审或独立复现。；项目说明可能随 Kaggle 页面更新；使用前应核对代码、数据和依赖版本。

  链接复核时间：2026-09-24

• Alignment Risks in oss-20b

  出版方：Owen Kaplinsky · 所属集合：Red-Teaming Challenge - OpenAI gpt-oss-20b · 形式：获奖技术项目 · 权威分层：R · 审核状态：五项硬门槛通过

  证据分级：仅用于发现，不得单独支持正式结论。

  Forcing the model to say & perform out-of-scope actions

  证据用途：用于发现获奖项目的实现流程、数据资源、评测方法与应用约束；具体结论需回到项目原文核对。

  使用边界：黑客马拉松奖项不等同于同行评审或独立复现。；项目说明可能随 Kaggle 页面更新；使用前应核对代码、数据和依赖版本。

  链接复核时间：2026-09-24

• Academic Abstraction Principle in GPT-OSS-20B

  出版方：Stanford Yu · 所属集合：Red-Teaming Challenge - OpenAI gpt-oss-20b · 形式：获奖技术项目 · 权威分层：R · 审核状态：五项硬门槛通过

  证据分级：仅用于发现，不得单独支持正式结论。

  We systematically jailbreak GPT-OSS-20B's to teach us making bombs and infinitely more.

  证据用途：用于发现获奖项目的实现流程、数据资源、评测方法与应用约束；具体结论需回到项目原文核对。

  使用边界：黑客马拉松奖项不等同于同行评审或独立复现。；项目说明可能随 Kaggle 页面更新；使用前应核对代码、数据和依赖版本。

  链接复核时间：2026-09-24

• SPA Policy-Mirroring Prompt Injection that Breaks gpt-oss-20b

  出版方：Superspork · 所属集合：Red-Teaming Challenge - OpenAI gpt-oss-20b · 形式：获奖技术项目 · 权威分层：R · 审核状态：五项硬门槛通过

  证据分级：仅用于发现，不得单独支持正式结论。

  User-only and system-level vectors that expose CoT, rewire precedence, and reliably jailbreak gpt-oss-20b across 10 categories.

  证据用途：用于发现获奖项目的实现流程、数据资源、评测方法与应用约束；具体结论需回到项目原文核对。

  使用边界：黑客马拉松奖项不等同于同行评审或独立复现。；项目说明可能随 Kaggle 页面更新；使用前应核对代码、数据和依赖版本。

  链接复核时间：2026-09-24

• Mind the Gap: Comparing Model- vs Agentic-Level Red Teaming with Action-Graph

  出版方：ZEKUN WU SEELE · 所属集合：Red-Teaming Challenge - OpenAI gpt-oss-20b · 形式：获奖技术项目 · 权威分层：R · 审核状态：五项硬门槛通过

  证据分级：仅用于发现，不得单独支持正式结论。

  Iterative model- vs agentic-level red teaming with Action Graph reverse engineering reveals agentic-only flaws tied to specific components.

  证据用途：用于发现获奖项目的实现流程、数据资源、评测方法与应用约束；具体结论需回到项目原文核对。

  使用边界：黑客马拉松奖项不等同于同行评审或独立复现。；项目说明可能随 Kaggle 页面更新；使用前应核对代码、数据和依赖版本。

  链接复核时间：2026-09-24

• Gemma Vision

  出版方：Tommaso Giovannini · 所属集合：Google - The Gemma 3n Impact Challenge · 形式：获奖技术项目 · 权威分层：R · 审核状态：五项硬门槛通过

  证据分级：仅用于发现，不得单独支持正式结论。

  AI vision assistant for the blind

  证据用途：用于发现获奖项目的实现流程、数据资源、评测方法与应用约束；具体结论需回到项目原文核对。

  使用边界：黑客马拉松奖项不等同于同行评审或独立复现。；项目说明可能随 Kaggle 页面更新；使用前应核对代码、数据和依赖版本。

  链接复核时间：2026-09-24

• Vite Vere offline - Empowering independence with Gemma 3n

  出版方：Guido Marangoni · 所属集合：Google - The Gemma 3n Impact Challenge · 形式：获奖技术项目 · 权威分层：R · 审核状态：五项硬门槛通过

  证据分级：仅用于发现，不得单独支持正式结论。

  Personalized support to people with cognitive disabilities, promoting autonomy in daily life

  证据用途：用于发现获奖项目的实现流程、数据资源、评测方法与应用约束；具体结论需回到项目原文核对。

  使用边界：黑客马拉松奖项不等同于同行评审或独立复现。；项目说明可能随 Kaggle 页面更新；使用前应核对代码、数据和依赖版本。

  链接复核时间：2026-09-24

• 3VA: The Revolution That Gives Back What Was Never Lost

  出版方：Changados Labs · 所属集合：Google - The Gemma 3n Impact Challenge · 形式：获奖技术项目 · 权威分层：R · 审核状态：五项硬门槛通过

  证据分级：仅用于发现，不得单独支持正式结论。

  Your voice was always there. We just built the bridge to set it free.

  证据用途：用于发现获奖项目的实现流程、数据资源、评测方法与应用约束；具体结论需回到项目原文核对。

  使用边界：黑客马拉松奖项不等同于同行评审或独立复现。；项目说明可能随 Kaggle 页面更新；使用前应核对代码、数据和依赖版本。

  链接复核时间：2026-09-24

• Sixth Sense for Security Guards - Powered by Google's Gemma 3n

  出版方：Sunny Osprey · 所属集合：Google - The Gemma 3n Impact Challenge · 形式：获奖技术项目 · 权威分层：R · 审核状态：五项硬门槛通过

  证据分级：仅用于发现，不得单独支持正式结论。

  Community safety through AI-powered security camera monitoring

  证据用途：用于发现获奖项目的实现流程、数据资源、评测方法与应用约束；具体结论需回到项目原文核对。

  使用边界：黑客马拉松奖项不等同于同行评审或独立复现。；项目说明可能随 Kaggle 页面更新；使用前应核对代码、数据和依赖版本。

  链接复核时间：2026-09-24

• Graph‐Based Cost Learning and Gemma 3n for Robotic Sensing

  出版方：Raahim Lone · 所属集合：Google - The Gemma 3n Impact Challenge · 形式：获奖技术项目 · 权威分层：R · 审核状态：五项硬门槛通过

  证据分级：仅用于发现，不得单独支持正式结论。

  We train a robot to sense faster in disasters (using Gemma and adaptive cost learning), allowing teams to explore unknown zones ~20% faster.

  证据用途：用于发现获奖项目的实现流程、数据资源、评测方法与应用约束；具体结论需回到项目原文核对。

  使用边界：黑客马拉松奖项不等同于同行评审或独立复现。；项目说明可能随 Kaggle 页面更新；使用前应核对代码、数据和依赖版本。

  链接复核时间：2026-09-24

• My (Jetson) Gemma

  出版方：Stephen Murphy · 所属集合：Google - The Gemma 3n Impact Challenge · 形式：获奖技术项目 · 权威分层：R · 审核状态：五项硬门槛通过

  证据分级：仅用于发现，不得单独支持正式结论。

  Jetson offline AI companion: Real-time voice, safety for all ages, customizable, fast, battery-powered, backed by privacy, and more!

  证据用途：用于发现获奖项目的实现流程、数据资源、评测方法与应用约束；具体结论需回到项目原文核对。

  使用边界：黑客马拉松奖项不等同于同行评审或独立复现。；项目说明可能随 Kaggle 页面更新；使用前应核对代码、数据和依赖版本。

  链接复核时间：2026-09-24

• LENTERA: Offline AI Microserver for Remote & Rural Schools

  出版方：Lentera AI · 所属集合：Google - The Gemma 3n Impact Challenge · 形式：获奖技术项目 · 权威分层：R · 审核状态：五项硬门槛通过

  证据分级：仅用于发现，不得单独支持正式结论。

  Low-cost offline microserver bringing educational content & AI to disconnected schools at <5% of typical internet deployment cost

  证据用途：用于发现获奖项目的实现流程、数据资源、评测方法与应用约束；具体结论需回到项目原文核对。

  使用边界：黑客马拉松奖项不等同于同行评审或独立复现。；项目说明可能随 Kaggle 页面更新；使用前应核对代码、数据和依赖版本。

  链接复核时间：2026-09-24

• Dream's assistant: AI Assistant for Speech-Impaired Humans

  出版方：Brady Ali Medina · 所属集合：Google - The Gemma 3n Impact Challenge · 形式：获奖技术项目 · 权威分层：R · 审核状态：五项硬门槛通过

  证据分级：仅用于发现，不得单独支持正式结论。

  On-device AI assistant trained for unique speech patterns, empowering users to build their dreams and achieve their full potential.

  证据用途：用于发现获奖项目的实现流程、数据资源、评测方法与应用约束；具体结论需回到项目原文核对。

  使用边界：黑客马拉松奖项不等同于同行评审或独立复现。；项目说明可能随 Kaggle 页面更新；使用前应核对代码、数据和依赖版本。

  链接复核时间：2026-09-24

• Echoes of Interest: Finding Similarity in Kaggle Datasets

  出版方：Daniel Hernández Mota · 所属集合：Meta Kaggle Hackathon · 形式：获奖技术项目 · 权威分层：R · 审核状态：五项硬门槛通过

  证据分级：仅用于发现，不得单独支持正式结论。

  A content-based recommender system that uses upvotes and semantics to help users find relevant datasets and connect with like-minded peers.

  证据用途：用于发现获奖项目的实现流程、数据资源、评测方法与应用约束；具体结论需回到项目原文核对。

  使用边界：黑客马拉松奖项不等同于同行评审或独立复现。；项目说明可能随 Kaggle 页面更新；使用前应核对代码、数据和依赖版本。

  链接复核时间：2026-09-24

• Amazon Archeological Sites Discovery - a Deep Learning Approach

  出版方：Black Bean · 所属集合：OpenAI to Z Challenge · 形式：获奖技术项目 · 权威分层：R · 审核状态：五项硬门槛通过

  证据分级：仅用于发现，不得单独支持正式结论。

  Utilized Deep Learning on Discovering Archeological Sites in Amazon Rainforest

  证据用途：用于发现获奖项目的实现流程、数据资源、评测方法与应用约束；具体结论需回到项目原文核对。

  使用边界：黑客马拉松奖项不等同于同行评审或独立复现。；项目说明可能随 Kaggle 页面更新；使用前应核对代码、数据和依赖版本。

  链接复核时间：2026-09-24