在舊金山舉行的 LlamaCon Hackathon 大賽圓滿落幕，這是一場匯聚了全球開發者的 AI 盛會。本次活動吸引了超過 600 名註冊者，最終有 238 名才華橫溢的開發者和創新者齊聚一堂，進行了為期一天的專案構建。挑戰在於，在短短 24 小時內，使用 Llama API、Llama 4 Scout 或 Llama 4 Maverick（或這些尖端工具的任意組合）創建一個可演示的專案。
比賽獎金豐厚，總額高達 3.5 萬美元的現金獎勵，包括一等獎、二等獎和三等獎，以及 Llama API 最佳使用獎。來自 Meta 和贊助合作夥伴的評審團認真評估了提交的 44 個專案。
我們衷心感謝我們的合作夥伴 Groq、Crew AI、Tavus、Lambda、Nebius 和 SambaNova，他們在整個黑客松期間提供了寶貴的支持。每家贊助商都提供了信貸使用、專家演講者的研討會、指導、現場問答展位、評委和 Discord 上的遠端支持。
獲獎者名單
經過兩輪評審，我們從 44 個提交的專案中選出了前六名，最終決出了第一名、第二名、第三名和 Llama API 的最佳使用獎。
OrgLens – 一等獎
OrgLens 創建了一個支持 AI 的專家匹配系統，可將您與組織內的合適專業人士聯繫起來。通過分析來自各種來源的數據，包括 Jira 任務、GitHub 代碼和問題、內部文檔以及簡歷，OrgLens 會為每個貢獻者創建全面的知識圖譜和詳細的個人資料。這使您可以使用高級 AI 支持的搜索功能搜索專家，甚至與個人的數字孿生互動，在聯繫之前提出問題。為了展示其功能，使用 React、Tailwind 和 Django 構建了一個演示 Web 應用程式，利用 GitHub API 和 Llama API 來處理和存儲數據。OrgLens 簡化了專家匹配，使尋找適合工作的合適人選變得更加容易。
深入瞭解 OrgLens 的創新之處，它不僅僅是一個專家匹配系統，更是一個企業內部知識共享和協作的加速器。它巧妙地利用人工智慧的力量，打破了信息孤島，將隱藏在組織各個角落的專業知識連接起來。想像一下，當你在一個複雜的專案上遇到難題時，不再需要漫無目的地在內部郵件和文檔中搜索，而是通過 OrgLens，就能迅速找到擁有相關經驗和技能的同事，並直接與他們的“數字孿生”進行初步溝通，這無疑將大大提高工作效率和問題解決的速度。OrgLens 的核心優勢在於其對數據的深度挖掘和分析能力。它不僅能抓取 Jira、GitHub 等平台上的數據，還能分析內部文檔和簡歷，從而構建出一個全面的知識圖譜。這個知識圖譜不僅包含了員工的技能和經驗，還記錄了他們在不同專案中的貢獻和互動。通過這個知識圖譜，OrgLens 能夠準確地識別出最適合特定任務的專家，並將其推薦給需要幫助的人。此外，OrgLens 還注重使用者體驗。它提供了一個直觀易用的 Web 介面，使用者可以通過關鍵字搜索或使用 advanced filters to find the right expert. Moreover, the “digital twin” feature allows users to ask preliminary questions and get quick answers, saving both the expert’s and the seeker’s time. By integrating artificial intelligence into the expert matching process, OrgLens has the potential to revolutionize the way companies manage and utilize their internal talent resources, leading to improved collaboration, innovation, and overall performance.
OrgLens 的成功之處在於它解決了企業內部普遍存在的知識管理難題。許多公司都面臨著員工技能分散、信息難以獲取的問題，導致資源浪費和效率低下。OrgLens 通過自動化專家匹配流程，有效地解決了這個問題，為企業帶來了以下顯著優勢：
- 提高生產力： 員工可以更快地找到需要的幫助，從而加快專案進度。
- 促進創新： 通過連接不同領域的專家，可以激發新的想法和解決方案。
- 優化資源利用： 避免了重複勞動和資源浪費，提高了整體效率。
- 增強員工參與度： 讓員工更容易分享知識和經驗，從而增強他們的參與感和歸屬感。
Compliance Wizards – 二等獎
Compliance Wizards 創建了一個支持 AI 的事務分析器，用於檢測欺詐並根據自定義風險評估演算法提醒使用者。電子郵件通知會發送給使用者，提示報告或確認交易。然後，使用者可以與 AI 語音助手進行報告和確認。使用 Llama API 的多模態，欺詐評估員可以上傳客戶信息並搜索有關其客戶的相關新聞，以幫助確定客戶是否參與任何值得注意的犯罪活動。
合規監管機構創造了一個人工智慧支持的交易分析儀，旨在通過複雜的風險評估演算法來識別可疑活動並向使用者發出警報。此系統通過向使用者發送電子郵件通知來運作，提示使用者審查並確認某些交易。然後，使用者可以與 AI 驅動的語音助手互動，以報告交易或確認其合法性。通過利用 Llama API 的多模式功能，欺詐評估員可以上傳客戶信息並搜索相關新聞，以幫助確定客戶是否參與任何值得注意的犯罪活動。
Compliance Wizards 的核心在於其強大的 AI 引擎，該引擎能夠深入分析交易數據，識別潛在的欺詐模式。該引擎不僅能檢測傳統的欺詐行為，還能根據客戶的特定風險狀況進行定制化的風險評估，從而提高欺詐檢測的準確性。此外，Compliance Wizards 還集成了新聞搜索功能， 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.
Compliance Wizards 的主要優勢在於其多層面的安全方法：
- 高級風險評估： 通過定制化的風險評估演算法，能夠更準確地識別潛在的欺詐行為。
- 實時交易分析： 對所有交易進行實時監控，及時發現可疑活動。
- 情境感知： 能夠抓取新聞信息，從而全面評估客戶的風險狀況。
- 便捷reporting： 提供語音助手，簡化了報告和確認流程。
Compliance Wizards 不僅僅是一個工具，而是一個全面的合規解決方案，可幫助公司最大限度地降低欺詐風險並遵守相關法規。
Llama CCTV Operator – 三等獎
一個由 Agajan Torayev 領導的團隊構建了一個 Llama CCTV AI 控制室操作員，無需任何模型微調即可自動識別自定義監控視訊事件。操作員能夠用簡單的語言定義視訊事件。使用 Llama 4 的多模式圖像理解，系統每五幀捕獲並檢測一次運動，以評估這些預定義的事件並將其報告給操作員。
Llama CCTV Operator 背後的理念是賦予監控系統智能，使其能夠主動識別異常事件，而不是僅僅被動地記錄視訊。該系統利用 Llama 4 的強大的圖像理解能力， 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.
Llama CCTV Operator 的主要優勢包括：
- 無需微調： 無需對模型進行任何微調，大大簡化了部署和維護過程。
- 自定義事件檢測： 操作員可以使用簡單的語言定義自定義監控事件，從而滿足特定的安全需求。
- 實時分析： 系統能夠實時分析視訊饋送，從而儘快檢測到可疑活動。
- 自動報告： 系統會自動將檢測到的事件報告給操作員，從而減少了人工監控的需求。
Geo-ML – Llama API 的最佳使用
地質學家 William Davis 使用 Llama 4 Maverick 和 GemPy 生成可能的挖掘地點、地形圖和礦藏的 3D 地質模型。Geo-ML 的工作原理是處理 400 頁的地質報告，將信息整合到結構化的地質領域特定語言中，然後使用它來生成地下地質的 3D 表示。
“這是我第一次真正使用 LLM API 從長篇地質研究論文中提取超長文本和圖像，所以我使用了 Llama Maverick 的超長上下文窗口以及文本和圖像多模式功能來提取文本並將其轉換為特定於域的語言，從而給出了文檔中存儲的所有內容的壓縮版本，” Davis說。“我大部分時間都花在閱讀地質文檔上。擁有一個可以在後臺為我完成這項工作的 LLM 將非常棒。”
地質學家威廉·戴維斯 (William Davis) 巧妙地運用 Llama 4 Maverick 和 GemPy，開創了一個全新的地質建模方法。Geo-ML 的目標是利用人工智慧的力量，從大量的地質報告中提取隱藏的信息，並將其轉化為有用且易於理解的 3D 模型。
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 系統 使用這種語言來生成地下地質的 3D 表示，幫助地質學家更容易地視覺化和分析地下環境。
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.
Geo-ML 的主要優勢在於其能夠：
- 自動化地質建模： 自動化了地質建模過程，減少了人工分析的時間和精力。
- 提取隱藏信息： 從大量的地質報告中提取隱藏的信息，幫助地質學家發現潛在的挖掘地點和礦藏。
- 生成 3D 模型： 生成地下地質的 3D 表示，幫助地質學家更容易地視覺化和分析地下環境。
- 加速地質研究： 通過加快地質建模過程，從而加速地質研究的進程。
特別表彰：團隊禮賓部
一個名為 Concierge 的決賽選手中，他們自帶 GPU 參加比賽，這在競爭中脫穎而出。
“我們相信 Llama 4 Maverick 最好的方面是其稀疏的專家混合性質和開源可用性，允許進行微調，”該團隊說。“Meta 最近發佈了一個出色的微調工具，即 GitHub 上的工具。使用 Llama API，我們編譯了來自多個來源的數據來創建 QA 數據集並微調了 Llama 4 Maverick 模型。我們計劃將其提交給開放基準測試，因為我們目前缺少 Llama 4 編碼器，並且憑藉 1M 上下文窗口，它有望成為例外。”
Concierge 的獨特方法在於它專注於微調 Llama 4 Maverick 模型，以提高其在特定任務上的性能. 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 計劃 to submit the fine-tuned model to open benchmarks to evaluate its performance.
觀看決賽選手演示
您可以在 YouTube 上觀看決賽選手演示。
加入下一個 Llama 黑客松
開發者可以申請參加下一個 Llama 黑客松，該馬拉松將於 2025 年 5 月 31 日至 6 月 1 日在紐約市舉行。