无搜索的中国象棋人工智能的掌握

BriefGPT - AI 论文速递 · 2024-10-07T00:00:00Z

研究显示，机器学习的进步主要依赖于大规模数据和注意力机制。通过在一千万局国际象棋比赛数据上训练一个含2.7亿参数的transformer模型，并利用Stockfish 16引擎注释棋盘，获得约150亿数据点，模型达到了2895的Lichess快棋等级。无需特定优化或搜索算法，模型解决了复杂棋局，性能超过了AlphaZero的策略和值网络及GPT-3.5-turbo-instruct。研究强调规模对性能的重要性，并通过实验验证设计选择和超参数。