用「预测 64 格棋盘」检验状态跟踪:重建损失低≠真懂局面
andreisavu · x · 2026-11-08
线程第 3-4 部分,讲棋盘状态预测目标与价值/策略的分工:
- 棋盘重建目标:当前训练设置包含一个预测全部 64 格内容的棋盘目标,但只含格子占用,不含王车易位权、吃过路兵和重复局面历史;作者提醒,重建损失低并不足以证明状态跟踪可靠。
- 搜索中的价值评估:价值从白方视角描述当前局面,搜索用 W + 0.5D 作为白方期望得分;评估候选招法时,把着法追加进历史再评估结果局面——策略概率与期望得分在搜索中扮演不同角色。
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
- Salesforce 论文：外置教师蒸馏费算力，领域专家合并省 42% — rohanpaul_ai · 2026-11-08
- Albert Gu 挺 Bitter Lesson：别把苦涩教训只读成堆 Transformer — sewon__min · 2026-11-08
- Autoware 开源越野自动驾驶仿真器:基于 NVIDIA Isaac Sim 支持多车训练 — rsasaki0109 · 2026-11-08
- 超长程智能体时代最迷人的元问题：AI 能否发现超越梯度下降的方法 — JensHonack · 2026-11-08
- LLM 能解博士级数学题,为何下不好国际象棋?Reddit 热问 — MesloubFC · 2026-11-08
- WebHarbor 开源:153 个真实网站镜像、3518 个任务训练 GUI Agent — HuaxiuYaoML · 2026-11-08