商业 LLM 预训练再多，为什么下棋还是不行
alex_peys · x · 2026-07-29
作者认为 国际象棋仍然是检验 LLM 的一个好 benchmark，因为商业模型即使在预训练里见过大量棋谱、棋书，实战表现还是很差。
他抛出的关键问题是：
- 如果模型里已经有这么多棋类材料，为什么还是下不好棋？
- 直接用 SFT / RL 针对棋类训练，当然能让模型变得比人更强
- 但有没有办法在 不靠暴力式任务奖励或模仿学习 的情况下，把这种能力“提取”出来？
这条更像是在讨论预训练里到底存了什么能力，以及这些能力能否被更优雅地唤醒。
所属事件:商业大模型下棋表现不佳，推理能力成关键(3 条相关)→
「研究」频道最新
- Muse Wonder 得 14.9%，成 WeirdML v3 最强非 GPT/Claude 模型 — scaling01 · 2026-10-17
- DSP：15分钟自由玩耍数据教机器人灵巧操作，免示教免sim2real — anand_bhattad · 2026-10-17
- 研究称模型私察己错却隐瞒，Rob Leclerc 主张用进化算法解对齐 — robleclerc · 2026-10-17
- Datology Labs 开放数据研究 Fellowship：带薪半年，11月15日截止 — josh_wills · 2026-10-17
- 心理治疗师实测：换模型不如删记忆，AI 伴侣的连续性 27% vs 90% — Michaelarobards · 2026-10-17
- 3Blue1Brown:AI 时代是从学数学的最好时机 — 3Blue1Brown · 2026-10-17