LlamaCon Hackathon di San Francisco telah berakhir dengan jayanya, sebuah acara AI yang mengumpulkan pembangun dari seluruh dunia. Acara ini menarik lebih daripada 600 pendaftar, dengan 238 pembangun dan inovator yang berbakat berkumpul untuk membina projek selama sehari. Cabarannya adalah untuk mencipta projek yang boleh didemokan dalam masa hanya 24 jam menggunakan Llama API, Llama 4 Scout, atau Llama 4 Maverick – atau sebarang kombinasi alat canggih ini.
Hadiahnya lumayan, dengan sejumlah $35,000 dalam bentuk hadiah wang tunai, termasuk hadiah pertama, kedua dan ketiga, serta Anugerah Penggunaan Terbaik Llama API. Panel hakim daripada Meta dan rakan kongsi penaja menilai dengan teliti 44 projek yang diserahkan.
Kami ingin mengucapkan terima kasih yang tulus kepada rakan kongsi kami Groq, Crew AI, Tavus, Lambda, Nebius dan SambaNova atas sokongan berharga yang mereka berikan sepanjang hackathon. Setiap penaja menyediakan penggunaan kredit, bengkel daripada penceramah pakar, mentor, gerai soal jawab di lokasi, hakim dan sokongan jauh di Discord.
Senarai Pemenang
Selepas dua pusingan penjurian, kami memilih enam projek teratas daripada 44 penyerahan, akhirnya menentukan tempat pertama, tempat kedua, tempat ketiga dan Anugerah Penggunaan Terbaik Llama API.
OrgLens – Hadiah Pertama
OrgLens mencipta sistem padanan pakar berkuasa AI yang menghubungkan anda dengan profesional yang sesuai dalam organisasi anda. Dengan menganalisis data daripada pelbagai sumber, termasuk tugasan Jira, kod dan isu GitHub, dokumentasi dalaman dan resume, OrgLens mencipta graf pengetahuan yang komprehensif dan profil terperinci untuk setiap penyumbang. Ini membolehkan anda mencari pakar menggunakan fungsi carian berkuasa AI lanjutan dan juga berinteraksi dengan kembar digital individu untuk bertanya soalan sebelum menghubungi. Untuk menunjukkan keupayaannya, aplikasi web demo dibina menggunakan React, Tailwind dan Django, memanfaatkan GitHub API dan Llama API untuk memproses dan menyimpan data. OrgLens menyelaraskan padanan pakar, menjadikannya lebih mudah untuk mencari orang yang sesuai untuk pekerjaan itu.
Mendalami inovasi OrgLens, ia bukan sekadar sistem padanan pakar, tetapi pemecut perkongsian pengetahuan dan kerjasama dalam dunia korporat. Ia dengan bijak memanfaatkan kuasa kecerdasan buatan untuk memecahkan silo maklumat dan menghubungkan kepakaran yang tersembunyi di sudut-sudut organisasi. Bayangkan apabila anda menghadapi masalah yang kompleks dalam projek, anda tidak perlu lagi mencari secara rawak dalam e-mel dan dokumen dalaman, tetapi melalui OrgLens, anda boleh dengan cepat mencari rakan sekerja yang mempunyai pengalaman dan kemahiran yang berkaitan, dan berkomunikasi secara langsung dengan “kembar digital” mereka untuk komunikasi awal. Ini pastinya akan meningkatkan kecekapan kerja dan kelajuan menyelesaikan masalah. Kelebihan utama OrgLens terletak pada keupayaannya untuk penerokaan dan analisis data yang mendalam. Ia bukan sahaja boleh mengumpul data daripada platform seperti Jira dan GitHub, tetapi juga menganalisis dokumen dan resume dalaman untuk membina graf pengetahuan yang komprehensif. Graf pengetahuan ini bukan sahaja mengandungi kemahiran dan pengalaman pekerja, tetapi juga merekodkan sumbangan dan interaksi mereka dalam projek yang berbeza. Melalui graf pengetahuan ini, OrgLens dapat mengenal pasti dengan tepat pakar yang paling sesuai untuk tugas tertentu dan mengesyorkannya kepada orang yang memerlukan bantuan. Selain itu, OrgLens juga memberi perhatian kepada pengalaman pengguna. Ia menyediakan antara muka web yang intuitif dan mudah digunakan, di mana pengguna boleh mencari pakar yang sesuai melalui carian kata kunci atau utilizzare filter avanzati untuk mencari pakar yang sesuai. Selain itu, ciri “kembar digital” membolehkan pengguna bertanya soalan awal dan mendapatkan jawapan pantas, menjimatkan masa pakar dan pencari. Dengan mengintegrasikan kecerdasan buatan ke dalam proses padanan pakar, OrgLens berpotensi merevolusikan cara syarikat mengurus dan menggunakan sumber bakat dalaman mereka, yang membawa kepada kerjasama, inovasi dan prestasi keseluruhan yang lebih baik.
Kejayaan OrgLens terletak pada penyelesaian masalah pengurusan pengetahuan yang lazim dalam syarikat. Banyak syarikat menghadapi masalah kemahiran pekerja yang bertaburan dan maklumat yang sukar diperoleh, yang membawa kepada pembaziran sumber dan ketidakcekapan. Dengan mengautomasikan proses padanan pakar, OrgLens menyelesaikan masalah ini dengan berkesan, membawa faedah yang ketara kepada syarikat:
- Meningkatkan produktiviti: Pekerja boleh mencari bantuan yang mereka perlukan dengan lebih cepat, sekali gus mempercepatkan kemajuan projek.
- Menggalakkan inovasi: Dengan menghubungkan pakar dalam bidang yang berbeza, idea dan penyelesaian baharu boleh dirangsang.
- Mengoptimumkan penggunaan sumber: Elakkan kerja berulang dan pembaziran sumber, dan meningkatkan kecekapan keseluruhan.
- Meningkatkan penglibatan pekerja: Jadikan pekerja lebih mudah untuk berkongsi pengetahuan dan pengalaman, sekali gus meningkatkan penglibatan dan rasa kepunyaan mereka.
Compliance Wizards – Hadiah Kedua
Compliance Wizards mencipta penganalisis transaksi berkuasa AI untuk mengesan penipuan dan memberi amaran kepada pengguna berdasarkan algoritma penilaian risiko tersuai. Pemberitahuan e-mel dihantar kepada pengguna, meminta mereka melaporkan atau mengesahkan transaksi. Kemudian, pengguna boleh terlibat dengan pembantu suara AI untuk melaporkan dan mengesahkan. Menggunakan multimodal Llama API, penilai penipuan boleh memuat naik maklumat pelanggan dan mencari berita yang berkaitan tentang pelanggan mereka untuk membantu menentukan sama ada pelanggan terlibat dalam sebarang aktiviti jenayah yang ketara.
Pengawal selia pematuhan mencipta penganalisis transaksi yang disokong kecerdasan buatan yang direka untuk mengenal pasti aktiviti yang mencurigakan dan memberi amaran kepada pengguna melalui algoritma penilaian risiko yang kompleks. Sistem ini beroperasi dengan menghantar pemberitahuan e-mel kepada pengguna, meminta mereka menyemak dan mengesahkan transaksi tertentu. Pengguna kemudiannya boleh berinteraksi dengan pembantu suara yang dikuasakan AI untuk melaporkan transaksi atau mengesahkan kesahannya. Dengan memanfaatkan keupayaan pelbagai mod Llama API, penilai penipuan boleh memuat naik maklumat pelanggan dan mencari berita yang berkaitan untuk membantu menentukan sama ada pelanggan terlibat dalam sebarang aktiviti jenayah yang ketara.
Teras Compliance Wizards terletak pada enjin AI yang berkuasa, yang mampu menganalisis data transaksi secara mendalam dan mengenal pasti potensi corak penipuan. Enjin ini bukan sahaja boleh mengesan tingkah laku penipuan tradisional, tetapi juga menjalankan penilaian risiko tersuai berdasarkan profil risiko khusus pelanggan, sekali gus meningkatkan ketepatan pengesanan penipuan. Selain itu, Compliance Wizards juga menyepadukan fungsi carian berita, позволяющее fraud assessors to quickly gather relevant information about their clients, such as media mentions and legal records. This contextual information can be crucial in assessing the overall risk profile of the client and identifying potential red flags.
The AI-powered voice assistant is another key component of Compliance Wizards. It provides users with a convenient and efficient way to report and acknowledge transactions, especially when they are on the go. The voice assistant can also answer questions about the transactions and provide guidance on how to comply with relevant regulations.
Kelebihan utama Compliance Wizards terletak pada pendekatan keselamatan pelbagai lapisannya:
- Penilaian risiko lanjutan: Melalui algoritma penilaian risiko tersuai, tingkah laku penipuan yang berpotensi dapat dikenal pasti dengan lebih tepat.
- Analisis transaksi masa nyata: Pantau semua transaksi dalam masa nyata untuk mengesan aktiviti yang mencurigakan tepat pada masanya.
- Kesedaran situasi: Mampu mendapatkan maklumat berita untuk menilai sepenuhnya profil risiko pelanggan.
- Pelaporan yang mudah: Menyediakan pembantu suara untuk memudahkan proses pelaporan dan pengesahan.
Compliance Wizards bukan sekadar alat, tetapi penyelesaian pematuhan yang komprehensif yang membantu syarikat meminimumkan risiko penipuan dan mematuhi peraturan yang berkaitan.
Llama CCTV Operator – Hadiah Ketiga
Pasukan yang diketuai oleh Agajan Torayev membina pengendali bilik kawalan Llama CCTV AI, yang secara automatik mengenal pasti acara video pengawasan tersuai tanpa sebarang penalaan model. Pengendali dapat menentukan acara video dalam bahasa mudah. Menggunakan pemahaman imej multimodal Llama 4, sistem menangkap dan mengesan gerakan sekali setiap lima bingkai untuk menilai acara yang telah ditetapkan ini dan melaporkannya kepada pengendali.
Idea di sebalik Llama CCTV Operator adalah untuk memberikan kecerdasan kepada sistem pengawasan, membolehkannya mengenal pasti acara luar biasa secara proaktif dan bukannya hanya merakam video secara pasif. Sistem ini memanfaatkan keupayaan pemahaman imej yang berkuasa Llama 4, позволяющее to analyze video feeds in real-time and detect a wide range of predetermined events, such as suspicious activity, unauthorized access, or safety hazards. The operator can define these events using simple language, without requiring any specialized knowledge of machine learning or computer vision.
The system works by capturing and analyzing motion every five frames, and then using Llama 4’s multimodal capabilities to assess whether the captured motion matches any of the predefined events. If a match is found, the system will immediately report the event to the operator, along with relevant contextual information.
Kelebihan utama Llama CCTV Operator termasuk:
- Tiada penalaan halus diperlukan: Tidak perlu menala halus model, yang sangat memudahkan proses penggunaan dan penyelenggaraan.
- Pengesanan acara tersuai: Pengendali boleh menggunakan bahasa mudah untuk menentukan acara pengawasan tersuai untuk memenuhi keperluan keselamatan tertentu.
- Analisis masa nyata: Sistem ini mampu menganalisis suapan video dalam masa nyata untuk mengesan aktiviti yang mencurigakan secepat mungkin.
- Pelaporan automatik: Sistem ini secara automatik melaporkan acara yang dikesan kepada pengendali, mengurangkan keperluan untuk pengawasan manual.
Geo-ML – Penggunaan Terbaik Llama API
Ahli geologi William Davis menggunakan Llama 4 Maverick dan GemPy untuk menjana tapak perlombongan yang mungkin, peta topografi dan model geologi 3D deposit mineral. Geo-ML berfungsi dengan memproses 400 halaman laporan geologi, menyepadukan maklumat ke dalam bahasa khusus domain geologi berstruktur dan kemudian menggunakannya untuk menjana perwakilan 3D geologi bawah tanah.
“Ini adalah kali pertama saya benar-benar menggunakan LLM API untuk mengekstrak teks dan imej yang sangat panjang daripada kertas kajian geologi yang panjang, jadi saya menggunakan tetingkap konteks yang sangat panjang Llama Maverick serta keupayaan multimodal teks dan imej untuk mengekstrak teks dan menukarkannya kepada bahasa khusus domain, memberikan versi termampat bagi segala yang disimpan dalam dokumen,” kata Davis. “Kebanyakan masa saya dihabiskan untuk membaca dokumen geologi. Mempunyai LLM yang boleh melakukan ini untuk saya di latar belakang akan menjadi sangat hebat.”
Ahli geologi William Davis menggunakan Llama 4 Maverick dan GemPy dengan bijak, mempelopori kaedah pemodelan geologi baharu. Matlamat Geo-ML adalah untuk memanfaatkan kuasa kecerdasan buatan untuk mengekstrak maklumat tersembunyi daripada sejumlah besar laporan geologi dan mengubahnya menjadi model 3D yang berguna dan mudah difahami.
The system works by processing long geological research papers, often 400 pages or more, and consolidating the information into a structured geology domain-specific language. This language captures the key geological features, structures, and mineral deposits described in the reports. Then, the sistem 使用这种语言来生成地下地质的 3D 表示，帮助地质学家更容易地可视化和分析地下环境。
Davis himself emphasized the importance of Llama 4 Maverick’s long context window and multimodal capabilities in making Geo-ML possible. The long context window allows the system to process entire research papers at once, while the multimodal capabilities enable it to extract both text and images from the documents.
Kelebihan utama Geo-ML terletak pada keupayaannya untuk:
- Mengautomasikan pemodelan geologi: Mengautomasikan proses pemodelan geologi, mengurangkan masa dan usaha analisis manual.
- Mengekstrak maklumat tersembunyi: Mengekstrak maklumat tersembunyi daripada sejumlah besar laporan geologi, membantu ahli geologi menemui potensi tapak perlombongan dan deposit mineral.
- Menjana model 3D: Menjana perwakilan 3D geologi bawah tanah, membantu ahli geologi untuk menggambarkan dan menganalisis persekitaran bawah tanah dengan lebih mudah.
- Mempercepatkan penyelidikan geologi: Mempercepatkan proses penyelidikan geologi dengan mempercepatkan proses pemodelan geologi.
Sebutan Khas: Pasukan Concierge
Salah satu finalis, yang dipanggil Concierge, membezakan dirinya dalam pertandingan dengan membawa GPU mereka sendiri ke pertandingan.
“Kami percaya bahawa aspek terbaik Llama 4 Maverick ialah sifat campuran pakar yang jarang dan ketersediaan sumber terbuka, membenarkan penalaan halus,” kata pasukan itu. “Meta baru-baru ini mengeluarkan alat penalaan halus yang cemerlang, iaitu alat di GitHub. Menggunakan Llama API, kami menyusun data daripada berbilang sumber untuk mencipta set data QA dan menala halus model Llama 4 Maverick. Kami bercadang untuk menyerahkannya ke penanda aras terbuka kerana kami pada masa ini kekurangan pengekod Llama 4, dan dengan tetingkap konteks 1M, ia dijangka pengecualian.”
Pendekatan unik Concierge terletak pada tumpuannya untuk menala halus model Llama 4 Maverick untuk meningkatkan prestasinya dalam tugas tertentu. The team believed that the sparse mixture of experts nature of Llama 4 Maverick, combined with its open source availability, made it an ideal candidate for fine-tuning.
To fine-tune the model, the team compiled data from multiple sources to create QA datasets. Then, they used Meta’s fine-tuning tool to train the model. The team планирует to submit the fine-tuned model to open benchmarks to evaluate its performance.
Tonton Demontrasi Finalis
Anda boleh menonton demontrasi finalis di YouTube .
Sertai Hackathon Llama Seterusnya
Pembangun boleh memohon untuk menghadiri hackathon Llama seterusnya, yang akan diadakan di New York City dari 31 Mei hingga 1 Jun 2025.