1. 競賽特定條款
1. 競賽標題
Elliptic 比特幣非法交易檢測挑戰賽

2. 競賽主辦方
濠江中學 綜合 AI 科目

3. 競賽網站
(由教師指定的 Google Colab 平台)

4. 獎勵與榮譽
本次競賽作為學習成果的展現，不設立現金獎勵。所有團隊將根據模型的最終表現進行評分與排名。
所有參與團隊：均視為完成本單元的關鍵實踐任務，並記錄於課堂表現評核中。

5. 獲勝者授權類型
開源 (Open Source) - 鼓勵分享與學習
6. 資料存取與使用
本次競賽使用 Elliptic Bitcoin Dataset 資料集。該資料集包含 203,769 個比特幣交易節點和 234,355 條交易流向邊，您的任務是建立一個圖神經網路模型，預測交易是否涉及非法活動（如詐騙、勒索軟體、洗錢等）。這是一個典型的節點分類任務。

資料集特點：
165 維節點特徵（基於區塊鏈交易資訊）
2% 節點標記為非法交易
21% 節點標記為合法交易
77% 節點標籤未知（需要預測）

2. 競賽特定規則
1. 團隊人數限制
根據教案設計，團隊成員人數必須為兩 (2) 人。
允許單人同學臨時組隊，但最終團隊人數不得超過兩人。
2. 提交次數限制
在課堂競賽時間內，每組可多次提交結果以更新排行榜成績。
3. 競賽時程
競賽時間為本節課的「核心任務二」環節，共 20 分鐘（考慮到資料集規模較大）。
4. 核心工具與輔助資源限制
核心函式庫：在本競賽中，所有團隊的模型開發、訓練與推論過程，僅能使用 Deep Graph Library (DGL) 作為核心圖處理函式庫。允許使用 PyTorch 作為 DGL 的後端框架。
輔助工具：鼓勵並允許各團隊使用大語言模型（LLM，如 DeepSeek、豆包等）來輔助學習。


5. 頂尖排名團隊義務
作為獲得最終排名與榮譽的條件，所有團隊都應準備好：
程式碼交付：在課後提交包含註釋的、可運行的最終版 Google Colab 檔案。程式碼應清晰、易讀，並包含對模型架構和超參數的簡要說明。
成果分享：排名前列的團隊可能被邀請在課堂上花 2-3 分鐘簡要分享：
你們的模型設計思路
如何處理類別不平衡問題
特徵工程或圖結構利用的策略

6評核方式
團隊的最終成績將綜合以下幾方面：
模型表現 (60%)：在測試集上的 AUC-ROC 分數
團隊協作 (40%)：教師在課堂中觀察到的團隊分工、溝通與合作情況