Kaggle 的奖牌分铜、银、金三档，但四个维度的授予依据并不一样：竞赛（Competitions）奖牌看的不是”考了多少分”，而是这场比赛最终榜单上的名次，而且门槛会随参赛队伍数量变化；数据集（Datasets）、Notebook、讨论（Discussions）这三个维度的奖牌，依据的是社区点赞（upvotes），不经过任何排行榜。所以”我拿了一枚铜牌”这句话，得先问是哪个维度——它们根本不是同一种东西。各类奖牌的具体门槛与点赞要求，一律以 kaggle.com 官方说明为准。
一、竞赛奖牌看名次，另外三类看点赞
中文圈讨论 Kaggle 时，常把奖牌说成一个模糊的荣誉标签，好像它像校内考试一样有条固定分数线。实际机制是相反的，而且分两套：竞赛奖牌按最终排行榜的名次发放，门槛随参赛队伍规模浮动；数据集、Notebook、讨论三个维度的奖牌，则按社区点赞累积发放，跟榜单没有关系。具体的名次门槛、点赞要求与适用规则，请以 kaggle.com 官方说明为准，本站不写死任何数字。
竞赛这一侧的机制有三个直接后果，家长和学生都需要知道：
- 规模决定难度。同样是”进入前列”，参赛队伍越多，拿到同一档奖牌通常需要的绝对名次越高、竞争者也越强（具体门槛以 kaggle.com 官方为准）。所以”我拿了竞赛铜牌”这句话单独说出来，信息量是不足的——必须补上是哪场比赛、什么类型、大约多少支队伍参赛。
- 名次是相对的。模型做得再好，如果这场比赛里高手扎堆，名次照样上不去；反之亦然。它衡量的是相对位置，不是绝对能力值。
- 结果要等比赛结束。比赛进行中看到的名次，和最终结算的名次可以差很远——这是本文第四节要讲的重点。
而另外三个维度完全不受这套逻辑约束：点赞来自社区，不需要在任何榜单上击败谁。这一点对起步阶段的学生特别关键，第三节会展开。
二、四类比赛不等价，别把练习赛当战绩
Kaggle 上的比赛分为四种类型：Featured（通常带奖金、由企业或机构发起）、Research（研究导向）、Getting Started（新手入门）和 Playground（练习性质）。它们全年滚动开赛，各自独立截止——没有统一赛季，这一点和国内多数学科竞赛完全不同，也是很多家庭最初不适应的地方。
入门类和练习类比赛的存在意义是让人学会流程，本身就不该拿来当”战绩”讲。哪些类型的比赛计入竞赛奖牌与段位，以 kaggle.com 官方规则为准。我们在辅导中反复强调一件事：孩子第一次提交成功、在入门赛拿到一个排名，是值得肯定的学习里程碑，但它和一枚正式奖牌是两件事，家庭内部要先把话说清楚，避免后面产生落差。你可以在赛事中心先分清这几类比赛的差别，再决定投入哪一场。
三、四个维度各自独立——只盯竞赛是最慢的起步方式
这是被忽略得最彻底的一点：Kaggle 的段位从 Novice、Contributor、Expert、Master 到 Grandmaster 共五级，而这五级在 Competitions（竞赛）、Datasets（数据集）、Notebooks（代码笔记本）、Discussions（讨论）四个维度上各自独立累积。也就是说，一个账号同时存在 5 × 4 = 20 个可能的坐标位置，一个人完全可以在某个维度已经进阶、而在另一个维度仍是新手。而且如前面所说，这四条线的奖牌来源不同：竞赛靠榜单名次，其余三个维度靠社区点赞。
对一个刚起步、时间又被课业挤压的学生来说，只盯竞赛维度往往是挫败感最强、反馈最慢的一条路：你要等整场比赛结束才知道结果。而写一份把思路讲清楚的 Notebook、在讨论区认真回答一个问题，反馈周期短得多，也更容易形成可展示的作品——更关键的是，这两个维度的奖牌看的是社区点赞，压根不需要在任何榜单上击败别人。下表是我们在辅导中对四个维度的判断：
| 维度 | 产出形式 · 奖牌依据 | 起步门槛 （我们的判断） |
反馈周期 | 最常见的误区 |
|---|---|---|---|---|
| 竞赛 Competitions | 提交预测结果；奖牌按最终榜单名次授予 | 高 | 长，要等比赛结束结算 | 把它当成唯一入口，早期反复受挫 |
| Notebook 笔记本 | 公开可运行的分析与代码；奖牌按社区点赞授予 | 低 | 短，发布后持续累积 | 只搬运别人的代码，不写自己改了什么、为什么改 |
| 讨论 Discussions | 提问、解答、赛后复盘；奖牌按社区点赞授予 | 最低 | 短 | 灌水式发言，不产生任何实际价值 |
| 数据集 Datasets | 整理并公开一份可用数据；奖牌按社区点赞授予 | 中 | 中 | 不写文档说明，别人看不懂也没法用 |
需要说明：四个维度都有奖牌，但依据不同——竞赛看最终榜单名次，数据集、Notebook、讨论看社区点赞；各维度升段所需的奖牌数量与具体门槛也各不相同，一律以 kaggle.com 官方为准，本站不写死任何数值。上表中的”门槛”和”反馈周期”是我们基于带学生的经验给出的编辑判断，不是平台规定。想按顺序推进的话，学习路线里有更细的拆解。
四、Public 榜好看 ≠ Private 榜好看：新手最贵的一课
Kaggle 的排行榜是分离的：比赛进行中你看到的是 Public 榜（公开榜），只用一部分测试数据计算；比赛结束后结算的是 Private 榜（私榜），用另一部分数据。这个设计的目的很直接——防止参赛者反复对着公开榜调参、把模型”调”成只在那部分数据上好看。
这件事对家庭的实际意义是：孩子在比赛期间发来的名次截图，不是最终结果。我们见过太多次——公开榜上排得很靠前，结算后名次明显回落，孩子情绪受挫，家长也困惑。提前把机制讲清楚，比事后安慰有用得多。
五、翰林学员的真实数据：拿得到，但确实很难
说到含金量，最诚实的做法是把我们自己的数据摆出来。翰林学员在 2019 年获得过 1 枚 Kaggle 金牌，2020 年获得过 1 枚铜牌（第一方数据，已脱敏，per 翰林）。
我们希望这两个数字被正确解读。它证明的是：中学生确实拿得到 Kaggle 奖牌，这条路走得通。但同样重要的是——可引用的战绩就是这两枚，分布在两个不同年份。这本身就说明了难度：它不是”报个班就能拿”的东西，而是需要真实的编程基础、持续投入和一点运气。任何把 Kaggle 奖牌说成常规产出的说法，都值得警惕。学生结果因人而异，本站辅导教方法，不对名次或奖牌做任何保证；这些成绩也不与国内升学加分挂钩。
六、一个普通学生的现实路径
基于上面五节，我们建议的推进顺序是（这是我们的教学判断，不是平台规则）：
- 先读懂题目和评价指标。不写一行模型代码，先说清楚这场比赛在预测什么、用什么指标打分、什么样的提交算有效。这一步做不到，后面全是无效努力。
- 复现一份公开 Notebook，并写清自己改了什么。复现不丢人，只抄不解释才丢人。把”我改了哪里、为什么改、分数怎么变”写下来，这份记录本身就是作品。
- 去讨论区提一个具体的问题，或回答一个。反馈最快、门槛最低的入口。
- 最后才谈名次。有了前三步，参加正式比赛才有意义。
另外，把成绩说准确本身也是一种能力。下面是我们最常纠正的三种表述：
| 常见说法 | 问题在哪 | 更准确的说法 |
|---|---|---|
| “我在 Kaggle 拿了奖牌” | 没说是哪个维度的奖牌——竞赛看榜单名次、其余三类看点赞，不是一回事；竞赛还得补上是哪场、什么类型、多少支队伍 | “我在某某 Featured 竞赛拿到铜牌，该场约 ⋯⋯ 支队伍参赛”（填真实数字）／”我的 Notebook 拿到铜牌” |
| “我排到了前面第 ⋯⋯ 名”（比赛尚未结束） | 那是公开榜，不是最终结果 | “比赛进行中，公开榜暂列第 ⋯⋯，最终以私榜结算为准” |
| “我是 Kaggle Expert” | 没说是哪个维度，四个维度各自独立 | “我在 Notebooks 维度是 Expert” |
完全没接触过的学生，建议从新手入门开始，把注册、第一次提交、看懂榜单这三件事跑通再说其他。我们也整理了一份中文入门资料包（术语对照、第一次提交清单、赛后复盘模板），需要的家庭可以向我们索取。
常见问答
问：Kaggle 奖牌有固定的分数线吗？
答：没有，而且四个维度的依据不一样。竞赛奖牌按最终排行榜名次授予，分铜、银、金三档，门槛随参赛队伍数量变化，衡量的是相对位置而不是绝对分数；数据集、Notebook、讨论三个维度的奖牌则按社区点赞授予，不经过任何排行榜。具体门槛数值、点赞要求与适用规则请以 kaggle.com 官方说明为准。
问：所有比赛都能拿奖牌吗？
答：Kaggle 的比赛分 Featured、Research、Getting Started、Playground 四类，性质不同，入门类和练习类主要用于学习。哪些类型计入竞赛奖牌与段位，请以 kaggle.com 官方规则为准，不要默认每一场都算。
问：孩子说自己排在很前面，可信吗？
答：要先确认那是公开榜还是私榜。比赛进行中显示的是公开榜，只用一部分测试数据计算；比赛结束后按私榜结算，两者可能差别很大。竞赛奖牌按私榜产生，比赛期间的名次截图不能当作最终成绩；另外三个维度的奖牌与榜单无关，看的是社区点赞。
问：中学生真的能拿到 Kaggle 奖牌吗？
答：能，但很难。翰林学员在 2019 年获得过 1 枚金牌、2020 年获得过 1 枚铜牌（第一方数据，已脱敏，per 翰林）——这证明路走得通，但可引用的战绩仅此两枚、分布在两个年份，说明它不是常规产出。结果因人而异，我们教方法，不对名次或奖牌做保证。
本站独立运营，不代表 Kaggle 或任何赛事主办方；注册与报名一律以 kaggle.com 为准；辅导教方法、不对名次或奖牌做任何保证。文中所引学生成绩为翰林第一方数据、已作脱敏处理，结果因人而异，且不与国内升学加分挂钩。段位门槛、竞赛奖牌的名次门槛、各维度点赞要求、比赛类型规则等具体数值均以 kaggle.com 官方说明为准。如发现内容有误，经核实后我们将在 7 个工作日内更正。