师者混合：基于玩家路由的稀疏象棋语言模型
机器学习
2026-05-11 v2 人工智能
摘要
现代象棋语言模型是训练于数百万场由数千名高级玩家参与的游戏的稠密变压器。然而，这些单一网络倾向于塌陷为模式平均化行为，导致风格边界模糊，稀有但有效的策略被压制。为抵消同质化，我们引入了师者混合（Mixture-of-Masters, MoM），这是首个具有小型GPT专家的象棋混合专家模型，专家模拟来自世界顶尖大师的棋风。对于每一步棋，后验可学习门控网络选择最合适的形象以根据棋局状态进行引导，使MoM能够动态切换风格，例如塔尔的进攻取向或佩特罗西安的防守稳固性。在针对未见标准局面进行Stockfish评估时，MoM超过了稠密的单个专家网络和基于聚合数据训练的流行GPT基线，同时确保生成的多样性、可控性和可解释性。
引用
@article{arxiv.2602.04447,
title = {Mixture of Masters: Sparse Chess Language Models with Player Routing},
author = {Giacomo Frisoni and Lorenzo Molfetta and Davide Freddi and Gianluca Moro},
journal= {arXiv preprint arXiv:2602.04447},
year = {2026}
}