LittlePly 国际象棋 Agent:Transformer 策略加有界 Stockfish 辅助全记录

开发者 Andrei Savu 在长线程中完整披露了其国际象棋 Agent 项目 LittlePly 的架构、训练与评测方法。系统主体是一个约 8700 万参数的 Transformer(12 层解码器、宽度 768、12 个注意力头、512 token 上下文,国际象棋专用词表,输入输出嵌入共享),一次前向传播同时输出走法概率与胜/和/负概率,另有独立规则实现负责棋盘状态追踪与非法着法过滤;在此之上引入有上限的 Stockfish 外部辅助,用于将杀续着、威胁处理与优势局面的「转化辅助」。项目还公开了逐局面分析站与完整对局档案,忠实记录 2026 年 11 月 3 日锦标赛 checkpoint 的 8 胜 29 负成绩,不重建、不回填缺失数据。

已确认

• 模型规格:约 87M 参数,12 层解码器、宽度 768、12 头、512 token 上下文,棋类 token 词表,tied embedding;policy 与 value 共享历史表示,线上 agent 已采用该设计。
• 引擎辅助边界:有界 Stockfish 搜索上限为 6 层深度、4096 节点、名义 10 秒;用时约束会进一步压缩预算,配备终止机制与合法备用着法。「转化辅助」指在极大优势的简化局面中选择性介入,作者展示了一局 154 步将杀的完整辅助决策过程。
• 训练数据与目标:语料约 2670 万盘独立棋局、每轮约 22.6 亿个下一步预测目标,大部分来自高水平人类对局,少数来自引擎;数据清洗包括回放合法性验证、去重、排除 holdout,开局库着法保留在历史中但剔除出预测目标。普通着法预测等权训练、与胜负结果解耦,胜负只监督价值头;辅助目标预测偏移 2-9 步的单个采样着法,不含中间序列,迫使模型推演局面;任务隔离确保策略与价值头只见历史表征,防止标签泄漏。另设预测全部 64 格占用的棋盘重建目标(不含易位权、吃过路兵、重复局面历史),作者提醒重建损失低不等于真懂局面。
• 训练配置:BF16 autocast 混合精度(参数与梯度以 FP32 存储),Muon+AdamW 混用,梯度裁剪,按源码进度调度 warmup;初始化方案为复用预训练 transformer 主体配全新棋类嵌入。
• 评测纪律:作者强调对局测试须固定 checkpoint、解码器、辅助与用时设置;以 Sunfish 和一个固定早期模型为参照;预测损失不衡量棋力,小样本对局噪音大。和棋处理区分本地验证的自动和棋与可申和的和棋,引擎评估接近零不能确立任何一种和棋;有界引擎辅助不提供形式化保证。

尚未确认

• 预训练主体加新鲜棋盘嵌入的初始化策略、以及辅助目标带来的收益,作者明确表示仍需对照对弈验证,目前是假设而非结论。

为什么重要

LittlePly 展示了一条把神经网络棋力与显式受控引擎辅助结合的透明路径:辅助边界、训练细节、失败对局全部公开且不粉饰(锦标赛 8 胜 29 负照登),对研究「LLM/Transformer + 工具辅助」范式的可复现性与评测纪律有参考价值。

2026-11-08 ~ 2026-11-08 · 23 条相关

• 【源头】LittlePly 国际象棋 agent:transformer 策略加受控 Stockfish 外援 — andreisavu · 2026-11-08
• LittlePly 象棋智能体：Transformer 策略+受控 Stockfish 辅助 — andreisavu · 2026-11-08
• LittlePly 搜索设计：价值用 W+0.5D 计期望分 — andreisavu · 2026-11-08
• 用「预测 64 格棋盘」检验状态跟踪:重建损失低≠真懂局面 — andreisavu · 2026-11-08
• LittlePly 国际象棋智能体：辅助目标预测 2-9 步外单步走法 — andreisavu · 2026-11-08
• 任务隔离防标签泄漏:策略与价值只见历史表征,不见金标棋盘 — andreisavu · 2026-11-08
• 开局库着法留在历史但剔除出预测目标:数据清洗细节公开 — andreisavu · 2026-11-08
• 2670 万盘棋语料公开:大部分来自强人类对局,少数来自引擎 — andreisavu · 2026-11-08
• 【源头】2670 万盘棋、22.6 亿着法目标:国际象棋 Transformer 语料与课程曝光控制 — andreisavu · 2026-11-08
• 棋力与走法分离:着法预测等权训练,胜负只监督价值头 — andreisavu · 2026-11-08
• 【源头】8700 万参数下棋模型:12 层解码器、国际象棋词表、共享嵌入 — andreisavu · 2026-11-08
• 预训练主体加新鲜棋盘嵌入:国际象棋模型初始化策略待验证 — andreisavu · 2026-11-08
• LittlePly 训练配置公开:Muon+AdamW 混用,BF16 混合精度 — andreisavu · 2026-11-08
• 国际象棋 Transformer 搜索细节:6 层深度、4096 节点、10 秒上限 — andreisavu · 2026-11-08
• LittlePly 的引擎辅助细节:6 层搜索、4096 节点、名义 10 秒上限 — andreisavu · 2026-11-08
• LittlePly 作者谈和棋判定:引擎评估接近零不能确立任何一种和棋 — andreisavu · 2026-11-08
• LittlePly 作者:对局测试须固定 checkpoint 与辅助设置,小样本对局噪音大 — andreisavu · 2026-11-08
• LittlePly 一局 154 步的将杀:展示「转化辅助」决策全过程 — andreisavu · 2026-11-08
• LittlePly 公开对局分析站,逐局面展示模型估计与辅助决策 — andreisavu · 2026-11-08
• LittlePly 公布完整对局档案:锦标赛 8 胜 29 负,忠实记录不重建 — andreisavu · 2026-11-08
• 国际象棋 Agent 项目 LittlePly:政策与价值网络共享历史表示 — andreisavu · 2026-11-08
• LittlePly 项目公开论文与仓库,首个阶段已有文档 — andreisavu · 2026-11-08
• LittlePly 项目收尾：论文、开源代码与 Lichess 在线对战入口 — andreisavu · 2026-11-08