Rapfi：为五子棋游戏蒸馏高效神经网络
人工智能
2025-03-18 v1 机器学习
摘要
游戏在推动人工智能发展方面发挥了关键作用，AI 智能体利用复杂的技术进行竞争。尽管基于神经网络的游戏 AI 取得了成功，但其性能通常需要大量的计算资源。在本文中，我们提出了 Rapfi，一种高效的五子棋智能体，在计算资源有限的环境下优于基于 CNN 的智能体。Rapfi 利用了一个紧凑的神经网络，该网络带有从 CNN 蒸馏出的基于模式的码本，以及一种在输入变化较小时最小化计算的增量更新方案。这种新网络使用的计算量要少几个数量级，即可达到如 Resnet 等大型神经网络相似的准确度。得益于我们的增量更新方案，诸如 alpha-beta 搜索等深度优先搜索方法可以得到显著加速。经过精心调优的评估与搜索，在缺少 GPU 等加速器的有限计算资源下，Rapfi 的实力超越了基于 AlphaZero 算法的最强开源五子棋 AI Katagomo。Rapfi 在 Botzone 上的 520 个五子棋智能体中排名第一，并赢得了 2024 年 GomoCup 的冠军。
关键词
引用
@article{arxiv.2503.13178,
title = {Rapfi: Distilling Efficient Neural Network for the Game of Gomoku},
author = {Zhanggen Jin and Haobin Duan and Zhiyang Hang},
journal= {arXiv preprint arXiv:2503.13178},
year = {2025}
}