国际象棋 Agent 项目 LittlePly:政策与价值网络共享历史表示
andreisavu · x · 2026-11-08
andreisavu 的 LittlePly 国际象棋 Agent 项目长线程之一。作者澄清:线上 agent 已在 policy 与 value 之间共享历史表示,当前训练实验加入了辅助目标;线上对局结果无法验证未部署的 checkpoint。
作者还回应了对分析站点的质疑:遥测覆盖因对局而异,记录缺失不能证明某组件当时未生效。
所属事件:LittlePly 国际象棋 Agent:Transformer 策略加有界 Stockfish 辅助全记录(23 条相关)→
「研究」频道最新
- LSA 论文：稀疏注意力索引占预填充 98% 耗时，10M 上下文提速 22.7 倍 — burny_tech · 2026-11-08
- 双指数外推：模型时间视野2027年底或达80个工作年，倍增周期约2个月 — scaling01 · 2026-11-08
- ACM 允许作者公开匿名评审意见,众包审稿库无制度障碍 — IanArawjo · 2026-11-08
- CHI 研究者倡议建公开评审库:用 LLM 审稿应被禁赛 — IanArawjo · 2026-11-08
- AI 能力增速是场拔河:「AI 改进 AI」对撞「边际递减」 — CFGeek · 2026-11-08
- Agent S4:让智能体从任务经验中自进化可复用交互接口 — burkov · 2026-11-08