纽若教育在采用公榜和私榜的 Kaggle 预测赛中，公榜使用一部分测试数据，私榜使用其余测试数据计算最终排名。本地验证则由参赛者自行设计，用来判断实验是否值得继续。它们评估的样本不同；公榜高分不保证私榜同样领先。这套解释不适用于所有赛事，具体评分与排名机制以该赛 Evaluation 和 Rules 为准。
01 / 本地验证、公榜、私榜各回答什么问题？
- 本地验证
- 从可用训练数据中安排验证方式，用于比较自己的方案。它回答“在这套验证条件下，改动是否有帮助”，不是官方最终成绩。
- 公榜（Public）
- 比赛进行中可见的官方反馈，基于部分测试数据。它有参考价值，也受样本划分和反复试验影响，不能等同于完整测试表现。
- 私榜（Private）
- 在采用该机制的预测赛中，基于剩余测试数据给出最终排名。还要结合赛事完成状态与官方规则核对结果，不能把任何刚出现的截图都称为已确认获奖。
不要假设所有比赛都按相同比例划分测试集，也不要把不同比赛的分数直接比较。相同的 0.9 在不同指标、数据与评估条件下，含义可能完全不同。
公榜 30%、私榜 70%，是统一规则吗？
不是。下面仅是帮助理解的虚构例子：某预测赛有 10000 条测试样本，其中 3000 条用于公榜、7000 条用于私榜。若赛题要求为全部测试样本提交预测，就提交 10000 条；比赛期间显示的公榜分数仍只来自其中的 3000 条。具体比例和文件格式以该赛 Evaluation 为准。
“公榜”公开的是分数与排名，不等于评分标签公开。也不能保证两个子集是随机拆分或分布完全相同：官方建赛文档允许主办方在答案文件中用 Usage 列指定 Public、Private 或 Ignored。不同样本、时间区间或数据关系，都可能使两部分评估表现不同。
02 / 为什么会出现排名变化（shake-up）？
公榜与私榜的名次变化常被参赛者称为 shake-up。直观理解是：原来只看一部分试题的表现，后来换到另一部分试题，同一方案与其他队伍的相对位置可能改变。
- 测试样本不同：一个方案可能对某些样本更有效，而在另一部分样本上表现一般。不同分布与样本量会影响评估稳定性。
- 围绕公榜反复试验：如果每次都按公榜的小幅波动挑方案，可能逐渐迎合这部分样本，而没有提高对未知样本的表现。
- 本地验证不贴近任务：例如时间关系、重复个体或数据泄漏没有被合理处理，本地高分可能给出误导。
- 最终评估流程不同：代码重跑、分阶段数据、其他队伍的表现和赛事规则也可能影响最终相对排名，应按具体赛事检查。
| 方案 | 公榜 AUC | 私榜 AUC |
|---|---|---|
| A | 0.910 | 0.860 |
| B | 0.900 | 0.890 |
这个例子只说明两个方案的相对顺序可以改变：A 公榜更高，B 私榜更高。它不能估计真实比赛的掉榜概率，也不能单凭这四个数判定 A 的问题究竟是过拟合、样本差异还是其他原因。
看到掉榜，不能仅凭截图断定某队过拟合或违规；看到升榜，也不能单凭结果证明某一个改动有效。需要结合代码、实验记录和评估条件分析原因。
03 / 怎样更有依据地选择方案？
下面是实验建议，不是保证名次稳定的方法。它的作用是减少仅凭一次榜单波动做决定。
- 先写清评价指标和数据关系
确认指标的好坏方向，以及样本是否有时间、用户或其他分组关系，再设计本地验证。不要默认随机切分总是合适。
- 固定比较条件
对比方案时记录数据版本、验证划分和关键配置。若多项条件同时改变，就很难把分数变化归因到某一项方法。
- 保留没有提升的结果
公榜提高、本地验证不变或变差时，先查差异。无效实验也能帮助解释为什么没有采用某条路线。
- 核对最终提交方式
在赛事规定的截止前，检查最终评估采用哪份提交、是否需要选择版本、允许选择多少份，以及运行限制和输出格式。每日可提交次数与最终评估的提交数量也不是同一概念；不要套用“所有比赛都选两份”，也不要假设截止后还可以更换。代码赛还要确认提交版本能够按官方限制重跑。
赛后用最终结果复盘自己的判断，但不要事后把“恰好有效”改写成参赛前就有把握。对升学求职材料而言，能解释这些选择和局限，比只保留一张分数截图更有信息量。
04 / 用同一张记录卡保留分数的上下文
一次实验 / 一次结果记录
- 比赛：[正式名称与链接]
- 评估位置：[本地验证 / 公榜 / 私榜]
- 时间与状态：[记录日期；进行中 / 待确认 / 已完成]
- 指标与结果：[指标名、数值、越高或越低越好]
- 比较条件：[基线、数据版本、划分与改动]
- 排名口径：[名次、同一榜单下队伍数；如需填写]
- 贡献与出处：[本人工作、团队工作、公开方案来源]
- 结论：[支持什么判断；仍不能说明什么]
留档时遵守赛事数据、代码许可与团队授权；公开材料只包含可公开的部分。这里是一份空白工具，不代表纽若学员的实际实验或成绩。
05 / 成绩用于简历时，哪些说法更准确？
比赛还在进行时，可以写“截至 [日期] 的公榜 [名次]”，不能去掉时间和榜单类型后变成“最终 [名次]”。比赛结束且结果确认后，再根据官方最终榜单更新。
最终队伍成绩与个人贡献分别陈述：“团队最终 [成绩]，本人负责 [具体工作]”。团队结果能够说明团队在该任务上的表现，不能独立证明每位成员完成了全部方案，也不自动等于录取或录用评价。
需要完整模板时，继续阅读Kaggle 竞赛经历怎么写进简历；如果关心成绩能否赶上材料截止，使用申请时间核对表。
现在公榜领先，能否据此预测最终奖项？
不能只凭公榜名次作确定判断。最终成绩、赛事状态与规则都需要核实，本文也不提供固定的掉榜幅度或获奖概率。
参考资料与适用范围
2026 年 10 月 8 日核对官方文档。本文的记录卡与实验习惯是编辑建议；榜单机制限定为采用公榜/私榜的预测赛，不能直接套用于所有智能体赛或评审赛。
- Kaggle：The Leaderboard
公榜、私榜和公榜过拟合风险。 - Kaggle：Competition Setup
主办方可用 Usage 列指定公榜、私榜及忽略样本；划分比例与分布不能一概而论。 - Kaggle：Leakage
泄漏可导致不切实际的评估表现。 - Kaggle：Prediction Competition Formats
经典赛、代码赛和分阶段赛的提交与评估差异。