LLM-Gomoku：基于大语言模型的棋盘游戏系统，具备自我对弈与强化学习
人工智能
2025-04-02 v1 计算与语言
摘要
近年来，大语言模型(LLM)在自然语言处理(NLP)方面展现出显著的进步，具有在生成、理解和推理方面的强大能力。这些模型已被应用于教育、智能决策和游戏等领域。然而，有效地将 LLM 用于棋盘游戏中的战略规划和决策仍是一个挑战。本研究旨在开发基于 LLM 的棋盘游戏 AI 系统，模拟人类学习棋局的过程。该系统旨在理解和应用棋盘游戏策略和逻辑，以做出理性决策。研究方法包括使模型“阅读棋盘”、“理解规则”、“选择策略”、“评估位置”，同时通过自我对弈和强化学习来提升其能力。结果表明，这种方法显著提高了棋子位置的选择，解决了生成非法位置的问题，通过并行位置评估减少了处理时间。经过大量自我对弈训练，模型的棋盘游戏能力得到了显著提升。
引用
@article{arxiv.2503.21683,
title = {LLM-Gomoku: A Large Language Model-Based System for Strategic Gomoku with Self-Play and Reinforcement Learning},
author = {Hui Wang},
journal= {arXiv preprint arXiv:2503.21683},
year = {2025}
}