Netflix 悬赏百万美元挑战全球改进推荐引擎，5万人参赛

2006年，Netflix 的 Cinematch 推荐引擎陷入停滞：机器学习文献里有很多好点子，但 Netflix 没法全试一遍，也没有公开数据集让外部研究者来竞争。公司想要的是自己内部跑不了的实验。

别再靠招人来改进算法：把问题公开，放出1亿条匿名评分，谁先让 Cinematch 提升10%就付100万美元。

Netflix 推出了一项为期三年的竞赛，头奖100万美元，另设每年5万美元的进步奖，放出1亿条匿名评分，用私有测试集来评判参赛方案。赢家得让 Cinematch 的准确率提升10%——也就是预测误差缩小四分之一个星级。

公布后一周内，来自99个国家的9940名选手组成8152支队伍报名。将近三年后，大约5万名选手参赛；BellKor 的 Pragmatic Chaos 队伍以10.06%的提升夺冠，只比同分的对手早交10分钟。

2006年10月，Netflix 宣布了 Netflix Prize：谁能把 Cinematch 推荐系统的准确率提升10%，就给谁100万美元。为了办这场比赛，公司放出1亿条匿名电影评分，邀请数据挖掘、统计和机器学习圈的人来一较高下。

赛制借鉴了历史——Netflix 说是仿照1714年的经度奖——另外还设了每年5万美元的进步奖，奖励改进最大的队伍。参评方案用一份私有测试集来打分，免得大家针对公开排行榜硬调算法。

公布后一周内，来自99个国家的9940名选手组成8152支队伍报名。将近三年后，大约5万名选手参赛；BellKor 的 Pragmatic Chaos——AT&T 的研究员和奥地利、魁北克的合作者组队，这些人从没见过面——以10.06%的提升夺冠，只比同分对手早交10分钟。

把问题开放给外人，Netflix 就能用固定的一百万美元，测试成千上万种自己无法内部探索的做法。

放出1亿条匿名评分，扫掉了挡住学术界研究者的数据门槛。

设个可衡量的10%目标和公开排行榜，把内部的工程目标变成一场透明的全球赛事。

只有成功才付钱，把创新变成买方市场：Netflix 买的是结果，不是团队或项目。

当团队没法把所有想法都试一遍，就把问题打开：公开数据、设个可衡量的目标、为结果付费——你用一个奖换来几千场实验。

比赛在将近三年、约5万名参赛者后结束：BellKor 的 Pragmatic Chaos 以10.06%的提升赢走100万美元，只比同分对手早10分钟。放出的数据集成了推荐研究的标准基准，这场比赛也成了之后十年公开创新竞赛的参照。