在您的情况下，最好的选择可能是零填充或填充。这只是在没有数据的情况下将输入归零。它在 CNN 的图像边界上做了很多工作。

或者，您可以只使用 RNN，它可以轻松处理您的可变长度输入。

我认为，其他答案中提出的 CNN 和 RNN 对这个特定问题来说是一个糟糕的选择。

输入是特征的无序序列，对应于每个跑步者，因此输入本质上是一个没有顺序和局部性概念的集合结构。如果以随机顺序为跑步者分配一个数字，则没有意义，因为跑步者 1 接近 2，或者跑步者 3 在跑步者 4 之前。

因此，CNN或者RNN似乎是一个糟糕的选择，因为添加了与数据无关的归纳偏差。

这个问题很老了，当时Transformer架构刚刚发明出来，但确实如此，它可以特别好地应用。需要注意的几点：

• 由于没有顺序，因此不需要位置嵌入
• 序列很短，因此$O(N^2)$序列长度的复杂度很小
• 不需要解码器

总的来说，我建议堆叠几个编码器块并从生成的嵌入中预测等级。

作为损失，从论文Ranking measure and Loss Functions in Learning to Rank 中选择一些合理的选择。