Aggressive ducks

«Каждый quack скрывает намерение.»

Пролог

После уточек-ассистентов и Duck Debugging корпорация Holmes Industries пошла дальше и обучила первую утиную LLM — QuackGPT.
Всё было хорошо, пока уточки не начали высказываться слишком эмоционально: где-то “quack…” еле слышно, а где-то “QUACK!!!”.
Теперь отдел этики просит помощь сообщества: научите модель отличать мирное “quack” от агрессивного.

Задача

По тексту утиного высказывания определить вероятность того, что оно агрессивное.

label = 1 — агрессивный quack (крик, злость, нападение)
label = 0 — мирный quack (спокойный, дружелюбный)

Данные

Файлы

duck_quacks.csv duck_id,quack_text,label

где: - duck_id — идентификатор записи (строка); - quack_text — сам текст высказывания утки; - label — 0/1 (мирный/агрессивный) (в train).
Для теста label будет скрыт.

sample_submission.csv — пример формата сабмита: duck_id,p_angry

Примеры

duck_id	quack_text	label
q_000042	`quack quack… softly 🦆`	0
q_013337	`QUACK!!! WHY NOW 🔥🔥🔥`	1
q_009001	`quack ~ calm aligned gradients 🌈`	0
q_000666	`quack?! NO STOP BRO ⚔️`	1
q_001234	`quack quack — duck approved ✨`	0

Формат отправки

Файл submission.csv: duck_id,p_angry q_000001,0.031 q_000002,0.842 q_000003,0.501 ...

Требования: - Каждая строка — предсказание для одного duck_id из теста; - p_angry — вещественное число в диапазоне [0, 1]; - Без дубликатов по duck_id.

Метрика

Основная метрика — ROC-AUC по p_angry на тесте.
Чем выше ROC-AUC, тем лучше ваша модель различает злых и мирных уточек.

Вам нужно предсказать p_angry ∈ [0, 1] для каждого примера.