软件,
诚实地交付。
面向以软件、机器学习、数据或硬件解决具体问题的团队。我们看的是可运行的原型、工程取舍与伦理意识，而不是创业故事讲得好不好。
三项交付物。
评委可以在手机、浏览器或一张桌子上跑起来的东西。展演阶段不接受只有 PPT 演示而无可运行实现的项目。源码以私有仓库形式一同提交。
五页：架构、数据来源、评估方法、已知失败模式，以及若多一点时间团队下一步会做什么。把比实际情况「更难的问题」说成已经解决的团队会被扣分。
谁可能被这个工具伤害？团队如何缓解？真实运营者还必须自己做出哪些判断？这套要求借鉴自学术研究伦理委员会的审议表。
是工程师，不是路演教练。
伦敦赛区由帝国理工创业实验室的 Aaron Walsh 博士负责；纽约赛区由 Newlab 的工程团队负责；香港赛区由数码港驻场资深工程师轮值。导师都是仍在一线的从业者 —— 他们读你的代码，而不是只读你的 PPT。
涉及健康、公平或安全关键系统的作品，会被分配额外的学术理事会评审。我们的参照标准包括 Lemelson-MIT InvenTeams 与 詹姆斯·戴森奖 的工程评审实践。
2024–25 选作。
面向资源紧张的非营业时段诊所的轻量级分诊工具；以开源形式发布，已在沙田两所社区诊所完成试点。
为学区评估校车线路调整提供的仿真工具；已被 Lambeth 区学校交通办公室作为规划辅助使用。
面向低资源中文古文字的 OCR 流水线；其评估方法本身就是这份作品最出彩的部分。
能运行，能写清楚，能说谁可能受伤。
数字与 AI 赛道面向干预手段是工具的队伍：软件、模型、数据管道、硬件，或它们的组合。入围后的流程：第 3 周架构草图，第 6 周可运行增量，出发前冻结演示分支，以及五页技术说明，覆盖来源、评估、失效模式和若有更多时间会做什么。源码放在与赛道负责人共享的私有仓库。展演不接受只靠幻灯片的演示。
达到标准的例子：在公开数据集上训练、并与两位执业护士核对过的分诊辅助，并写明模型不得决定什么；使用已公布电价数据、面向具名学区的能源结构计算器；设施管理员不需要研究助理就能安装的硬件传感器。未达到的例子：没有评估、只是把 API 包一层的聊天机器人；「面向所有学生的平台」；没有混淆矩阵、没有同意过程的计算机视觉宣称。
伦理说明里的「好」是具体的。「人工智能可能有偏见」不是伦理说明。「若这套工具被用来拒绝预约，操作者仍必须见到患者，界面这样强制」才是。安全关键与健康相关作品由伦理主席加读。我们宁愿你选一个更小、更真实、能够被测量的问题，而不是一个你无法仪器化的时髦问题。
常见问题：可以用闭源模型吗？可以，必须申报，并且不要假装你训练了你只是调用的东西。总决赛后能开源吗？可以，若提出我们会协助。因为有一个 App，品牌想法能走这条赛道吗？只有当 App 本身就是干预、且评委能运行时——否则请走品牌与传播。