LittlePly 搜索设计：价值用 W+0.5D 计期望分
andreisavu · x · 2026-11-08
作者进一步说明价值头的定义与搜索用法：价值始终以白方视角描述当前局面；搜索中使用 W + 0.5×D 作为白方的期望得分。评估候选走法时，模型把该走法追加到棋谱后评估 resulting 局面。作者强调策略概率与期望得分在系统中扮演不同角色——前者引导走法选择，后者用于搜索评估。
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