检测个体决策风格：在国际象棋中探索行为文体计量

在复杂领域中超越人类决策能力的机器学习模型的出现，引发了构建与人类交互的AI系统的运动。许多构建模块对此活动至关重要，其中心之一是人类行为的算法刻画。虽然现有工作多聚焦于聚合人类行为，一个重要长远目标是开发专门适用于个体并能区分个体的行为模型。为形式化该过程，我们研究行为文体计量问题，其任务仅从决策者的决策中识别决策者。我们提出一种基于Transformer的方法用于国际象棋背景下的行为文体计量，即试图从一组对局中识别弈棋者。我们的方法在少样本分类框架下运作，仅给定100局标注对局，便能从数千名候选玩家中以98%准确率正确识别一名玩家。即使在业余棋手对局上训练，我们的方法也能泛化到特级大师玩家的分布外样本，尽管业余与世界一流玩家之间存在巨大差异。最后，我们更广泛地思考所得嵌入所揭示的人类国际象棋风格，以及从行为数据识别个体的强大方法的潜在伦理影响。