LiteRT RISC-V 架构适配与 RVV 优化
项目描述
LiteRT（原 TensorFlow Lite）是 Google 开源的轻量级机器学习推理框架，专为移动端和边缘设备设计，广泛应用于图像分类、目标检测、自然语言处理等 AI 推理场景。LiteRT 内置了针对 ARM Neon/SVE 的高度优化推理内核，在 ARM 平台上拥有出色的推理性能。
随着 RISC-V 生态的快速发展，RISC-V Vector Extension（RVV 1.0）已成为高性能计算的重要标准。然而 LiteRT 目前对 RISC-V 平台的支持仍较为初级，缺乏系统性的 RVV 向量化优化。
本题要求参赛者将 LiteRT 完整移植至 RISC-V 平台，并利用 RVV 1.0 向量指令对推理内核进行性能加速，填补 RISC-V 在端侧 AI 推理领域的工程空白。
- 目标架构：RISC-V（RV64GCV，支持 RVV 1.0）
- 推荐测试环境：QEMU
virt机器（-cpu rv64,v=true,vlen=256）或真实 RISC-V 开发板（如 SG2044、A210 等） - 验证平台：A210
评分要求
必做任务
参赛者需完成 LiteRT 的 RISC-V 平台移植，并对 LiteRT 中所有已有 ARM Neon/SVE 优化实现的推理内核完成对应的 RVV 向量化加速。
- 所有移植内核需通过精度验证，推理结果与参考实现（x86 或 ARM 标量版本）的误差在允许范围内
- 已实现 ARM Neon/SVE 优化的算子中，至少 90% 需提供 RVV 或内联汇编加速版本实现
- 支持不同 VLEN（128/256/512 bit）的自适应实现，可利用 RVV 的
vsetvl灵活向量长度特性 - 也可实现自动向量长度调优（VLEN 探测 + 运行时分发）
- 与 ARM Neon 版本进行对比基准测试，并提供完整 benchmark 数据（测试模型不少于 MobileNetV1、MobileNetV2、EfficientDet-Lite0）
- 适配真实 RISC-V 硬件并提供实测数据，附板卡型号及测试截图/日志
- 使用 CMake 构建，支持
riscv64-unknown-linux-gnu交叉编译工具链 - 验证文档：记录测试方案，用于组委会验证参赛选手的优化成果。
精度要求
| 验证项 | 标准 |
|---|---|
| FP32 推理（模型级） | Top-1 精度与 x86 参考差异 ≤ 0.1% |
| INT8 量化推理（模型级） | Top-1 精度与 x86 参考差异 ≤ 1% |
| 算子级输出（FP32） | 相对误差 ≤ 1e-5 |
| 算子级输出（INT8） | 差值 ≤ 1 LSB |
性能验证
| 验证项 | 算法 |
|---|---|
| 推理延迟（Latency） | 要求 ≤ 110 ms ，包含：avg（平均）、p50（中位数）、p95（尾延迟） |
| 吞吐率（Throughput） | throughput = FPS = batch_size x 1000 / latency_ms |
| 稳定性 | 须包含：std （标准差）、p95 / avg 比值 |
| 内存占用 | Overall footprint 值 |
| 启动时间 | Model initialization 值 |
代码规范
- 语言：C/C++（C++17 或以上）
- RVV 实现：优先使用 RVV Intrinsics（
<riscv_vector.h>），可辅以内联汇编 - 必须包含标量（scalar）回退实现，保证无 RVV 环境下可编译运行
- 代码风格参考 LiteRT 原始代码规范（Google C++ Style Guide）
- 新增 RVV 内核须通过条件编译（
#ifdef __riscv_vector）与通用代码隔离
注意事项
- 请确保遵循相关的开源协议和 版权规范。
- 参赛者需要自行准备开发环境，组委会后续会对参赛者提供 A210 远程调试环境。
- 禁止直接搬运已有第三方 RISC-V TFLite/LiteRT 移植代码，须自主实现或明确标注引用来源
- 允许参考 LiteRT 原始 ARM Neon 内核实现逻辑，但需进行 RISC-V/RVV 适配
- 所有代码须以 Apache 2.0 协议开源（与 LiteRT 保持一致）
- 若使用 AI 辅助编写代码，需在提交报告中说明使用方式及占比
参考资料
提交说明
1. 提交仓库
参赛者需将代码提交至以下仓库：
https://github.com/rv2036/rvspoc-S2602-litert2. 提交方式
请通过 Pull Request（PR） 的方式将结果提交至上述仓库。
下文中所提及的「PR」均指针对该仓库创建的 Pull Request。
3. PR 中需包含的内容
创建 PR 时，必须提供用于复现移植及优化结果的全部必要内容，包括但不限于：
- 完整的源代码或二进制文件（* 详见第 5 条说明）
- 配置文件（若有）
- 依赖的库文件（若有）
- 补丁文件（若有）
- 其他对验证提交结果所必需的内容
4. 必须附带的说明文件
创建 PR 时，须同时附带一份说明文件，内容应包含用于验证优化成果的详细步骤与信息，包括但不限于：
- 验证平台说明：是否限定特定平台？若限定，请注明操作系统名称、版本及安装说明
- 依赖库说明：是否限定特定依赖库？若限定，请注明相关信息及安装说明
- 程序编译及安装步骤
- 程序运行步骤
- 程序运行结果
- 其他对验证提交结果所必需的信息
5. 关于源代码的特别说明（优化类赛题）
针对第 3 条中「完整的源代码或二进制文件」一项，补充说明如下：
- 若参赛者在比赛截止时间前仅提交了二进制文件用于结果验证，则必须在之后通过 PR 的方式补充提交完整的源代码，方可视为完成本赛题。
- 补充提交的完整源代码必须与先前提交的二进制文件 100% 对应（即由该源代码编译生成）。
- 比赛截止时间后提交的源代码，其验证结果不计入比赛成绩，组委会仅会核实其是否与对应的二进制文件一致。
6. 成绩认定时间节点
组委会将在比赛结束后（即 2026 年 8 月 31 日 (AoE) 之后）统一对提交内容进行验证。
自该时间点起，新增或修改的 PR 内容均不计入比赛成绩。
获胜条件：精度符合产出要求，性能评分最高的选手。
7. 评判与争议处理
比赛组委会与赞助商将共同委派技术代表，组成 「联合评判组」。
评判组的职责包括：
- 对比赛过程及评判结果进行技术评判
- 受理并处理所有与比赛相关的争议
验收说明
- 2026 年 9 月 20 日后，由 RVSPOC 组委会公布。
- 由于赛题的开放性和软件的复杂性，赛题发布时可能存在未解释或需要修正的部分。针对未考虑到的方面，随着比赛进程的推进可能根据选手的反馈会有调整，请保持对赛事网站的关注。最终解释权归属于比赛的赛题评审委员会。
知识产权及开源协议要求
所有参赛结果要求开源，并提交至主办方指定仓库。参赛者（作者）持有作品的所有权。主办方鼓励参赛者将结果回馈贡献至 upstream。