完整棋局让大语言模型成为棋类专家
人工智能
2025-01-31 v2 计算与语言
机器学习
摘要
大型语言模型（LLM）在文本生成、问答、语言翻译、推理等众多任务中展现出惊人的能力。尽管如此，LLM在抽象棋类游戏（如象棋）方面的能力仍未得到充分探索。象棋对手需要从文本输入输出合法且合理的棋步。本文提出了用于棋类对弈的大型语言模型ChessLLM。我们将棋局转化为文本格式，其中以Forsyth-Edwards记号表示最佳棋步。我们展示，通过仅进行监督式微调，该模型在允许采样10次时，即可在与标准Elo评分的Stockfish进行的对局中达到1788的职业水平Elo评分。我们进一步表明，数据质量至关重要。长轮次数据监督相较于短轮次数据可带来350分以上的Elo提升。
引用
@article{arxiv.2501.17186,
title = {Complete Chess Games Enable LLM Become A Chess Master},
author = {Yinqi Zhang and Xintian Han and Haolong Li and Kedi Chen and Shaohui Lin},
journal= {arXiv preprint arXiv:2501.17186},
year = {2025}
}
备注
NAACL 2025