预测人类棋手棋子走势：基于技能组特定 n-gram 语言模型的人工智能辅助棋局分析
人工智能
2025-12-02 v1
摘要
棋局是一种确定性完美信息游戏，长期以来一直是研究战略决策和人工智能方法的基准。传统的棋局引擎或分析工具主要关注计算最优走势，往往忽略人类棋手在不同技能水平间固有的可变性。为克服这一限制，我们提出了一种新颖且计算效率较高的棋子走势预测框架，将棋局走势预测方法化为一种行为分析任务。该框架采用 n-gram 语言模型来捕捉特定玩家技能水平特征的走势模式。通过将玩家划分为七个不同的技能组，从新手到专家，我们使用来自开源棋牌平台 Lichess 的数据训练了各个模型。该框架能够动态选择最合适的模型进行预测任务，并根据前导序列生成玩家的棋子走势。在真实世界游戏数据上的评估表明，该框架内部的模型选择模块在利用早期游戏信息（16 个半步）时，能够将技能水平分类准确率达到最高可达 31.7%。该走势预测框架还显示出显著的准确性改进，我们的“选择器辅助准确率”比基准准确率高出最高可达 39.1%。该框架的计算效率进一步提高了其在实时棋局分析中的适用性。
引用
@article{arxiv.2512.01880,
title = {Predicting Human Chess Moves: An AI Assisted Analysis of Chess Games Using Skill-group Specific n-gram Language Models},
author = {Daren Zhong and Dingcheng Huang and Clayton Greenberg},
journal= {arXiv preprint arXiv:2512.01880},
year = {2025}
}