230M 参数棋类模型达 2000 Elo,还登上 Lichess 首页
maximelabonne · x · 2026-09-22
Maxime Labonne 的 ChessLFM 项目（基于 LFM2.5-230M 专用训练的棋类模型）被 Lichess 转载并登上首页，而他当初正是在 Lichess 采集的种子数据。全文教程复盘了把一个小型通用 decoder 变成国际象棋引擎的过程。
- 成绩：在 Stockfish 锚定的等级分阶梯上达 2004 Elo（95% CI 1972–2039），可通过 WebGPU 在浏览器本地运行，并实测击败 Fable 5.1。
- 方法要点：
- 一步 = 一个 token：抛弃原始 PGN 文本方案（chess-GPT 约 1300–1500 Elo，且浪费容量追踪棋盘、无法阻止非法着法）。
- 借鉴 DeepMind ChessBench 的做法：显式棋盘编码 + 直接预测 Stockfish 的评估值（action-value 头），用 270M 级模型即可逼近特级大师快棋水平。
- 结合强教师蒸馏、少量 RL 与大量搜索。
- 通用 LLM 下棋的通病（非法着法、复活被吃棋子、迷路）在这套架构下被规避。
所属事件:230M 参数棋类模型达 2000 Elo 并登上 Lichess 首页(2 条相关)→
「研究」频道最新
- Glance:4B 开源 VLM 不生成直接读答案,省 85% GPU 成本 — multiply_matrix · 2026-09-22
- SkillLift 用学习式评分替代真实 rollout,agent 技能进化省 40-70% token — dair_ai · 2026-09-22
- FAIR与NYU论文把缩放律推到4M参数,超参调优成关键 — giffmana · 2026-09-22
- Salesforce研究:让弱模型模仿强模型反降15%,纠错式微调才有效 — rohanpaul_ai · 2026-09-22
- Jevons 效应下 encoder 模型复兴：一场「BERT 复仇」 — JFPuget · 2026-09-22
- 哲学家访谈：首个有意识的 AI 或「跳跃」至复杂意识 — eschwitz · 2026-09-22