論文の概要: Towards Piece-by-Piece Explanations for Chess Positions with SHAP

• arxiv url: http://arxiv.org/abs/2510.25775v1
• Date: Sun, 26 Oct 2025 09:07:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-31 16:05:09.471899
• Title: Towards Piece-by-Piece Explanations for Chess Positions with SHAP
• Title（参考訳）: SHAPを用いたチェス位置のPiece-by-Piece説明に向けて
• Authors: Francesco Spinnato,
• Abstract要約: 我々はSHAP(SHapley Additive exPlanations)に適応し、チェスエンジンの評価をボード上の特定の部品に割り当てる。 部品を特徴として扱い、それらを体系的に非難することにより、エンジンの出力を説明する追加的、部品ごとのコントリビューションを計算する。 この手法は古典的なチェスの教育からインスピレーションを得ており、プレイヤーは駒を精神的に取り除くことで位置を評価する。
• 参考スコア（独自算出の注目度）: 0.20305676256390937
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Contemporary chess engines offer precise yet opaque evaluations, typically expressed as centipawn scores. While effective for decision-making, these outputs obscure the underlying contributions of individual pieces or patterns. In this paper, we explore adapting SHAP (SHapley Additive exPlanations) to the domain of chess analysis, aiming to attribute a chess engines evaluation to specific pieces on the board. By treating pieces as features and systematically ablating them, we compute additive, per-piece contributions that explain the engines output in a locally faithful and human-interpretable manner. This method draws inspiration from classical chess pedagogy, where players assess positions by mentally removing pieces, and grounds it in modern explainable AI techniques. Our approach opens new possibilities for visualization, human training, and engine comparison. We release accompanying code and data to foster future research in interpretable chess AI.
• Abstract（参考訳）: 現代のチェスエンジンは正確だが不透明な評価を提供しており、通常はセンチュンスコアとして表される。 意思決定には有効だが、これらのアウトプットは個々の部品やパターンの基本的な貢献を曖昧にしている。 本稿では,チェス分析分野におけるSHAP(SHapley Additive exPlanations)の適用について検討する。 部品を特徴として扱い、それらを体系的に非難することにより、エンジンの出力を局所的に忠実かつ人間的に解釈可能な方法で説明する付加的、部品ごとのコントリビューションを計算します。 この手法は古典的なチェスの教育からインスピレーションを得ており、プレイヤーはメンタルに駒を取り除いて位置を判断し、現代の説明可能なAI技術でそれを基礎づける。 われわれのアプローチは、可視化、人間のトレーニング、エンジン比較の新しい可能性を開く。 我々は、チェスAIの今後の研究を促進するために、付随するコードとデータをリリースする。

関連論文リスト

• ChessQA: Evaluating Large Language Models for Chess Understanding [10.480398008794436]
  Chessは大規模言語モデル(LLM)の推論、モデリング、抽象化機能を評価するのに理想的なテストベッドを提供する。 5つのタスクカテゴリにわたるLLMチェス理解を評価するベンチマークであるChessQAを提案する。 5つのカテゴリにまたがって永続的な弱点を見つけ、結果とカテゴリ別エラー解析を提供する。
  論文  参考訳（メタデータ） (2025-10-28T00:02:52Z)
• Can Large Language Models Develop Strategic Reasoning? Post-training Insights from Learning Chess [54.5355907369231]
  チェスにおける強化学習(RL)を通して,大規模言語モデル (LLM) が戦略的推論能力を発達させることができるかを検討する。 以上の結果から, 蒸留法に基づく高密度報酬は, 希少な二進報酬よりも優れていることが示唆された。 我々は、チェス推論訓練におけるSFTおよびRLの略語を提供し、この制限が、事前訓練されたモデルのチェスに対する内部理解の欠如に起因する証拠を見つける。
  論文  参考訳（メタデータ） (2025-07-01T13:16:34Z)
• Explore the Reasoning Capability of LLMs in the Chess Testbed [45.12891789312405]
  我々は,注釈付き戦略と戦術を統合することで,チェスにおける大規模言語モデルの推論能力を向上させることを提案する。 我々はLLaMA-3-8Bモデルを微調整し、より優れたチェスの動きを選択するタスクにおいて、最先端の商用言語モデルと比較する。
  論文  参考訳（メタデータ） (2024-11-11T01:42:56Z)
• Aspect-based Sentiment Evaluation of Chess Moves (ASSESS): an NLP-based Method for Evaluating Chess Strategies from Textbooks [3.652509571098292]
  本研究は, テキストに基づくチェスの動きを評価する手段として, 修正感情分析法の適用可能性について検討する。 移動行動句から洞察を抽出することにより,よりきめ細やかで文脈的に認識されたチェスの動きに基づく感情分類を提供することが目的である。
  論文  参考訳（メタデータ） (2024-05-10T14:23:43Z)
• Learning to Play Chess from Textbooks (LEAP): a Corpus for Evaluating Chess Moves based on Sentiment Analysis [4.314956204483074]
  本稿では,チェスの遊び方を学ぶための新しい知識源として,チェスの教科書について検討する。 我々はLEAPコーパスを開発した。LEAPコーパスは、構造化された(記法やボード状態を動かす)構造付きおよび非構造化データを備えた、最初の、そして新しい異種データセットである。 感情分析のための各種変圧器ベースラインモデルの性能評価実験を行った。
  論文  参考訳（メタデータ） (2023-10-31T08:26:02Z)
• Learning Chess Blindfolded: Evaluating Language Models on State Tracking [69.3794549747725]
  私たちはチェスのゲームのための言語モデリングのタスクを検討します。 自然言語とは異なり、チェス表記法は単純で制約のある決定論的領域を記述する。 トランスフォーマー言語モデルでは,移動シーケンスのみを訓練することで,ピースの追跡や法的動作の予測を高精度に行うことができる。
  論文  参考訳（メタデータ） (2021-02-26T01:16:23Z)
• Teach me to play, gamer! Imitative learning in computer games via linguistic description of complex phenomena and decision tree [55.41644538483948]
  本稿では,複雑な現象の言語記述に基づく模倣による新しい機械学習モデルを提案する。 この手法は,ゲーム開発における知的エージェントの動作を設計し,実装するための優れた代替手段となる。
  論文  参考訳（メタデータ） (2021-01-06T21:14:10Z)
• Chess2vec: Learning Vector Representations for Chess [0.0]
  チェスの駒のベクトル表現を生成し評価する。 チェスの駒や動きの潜伏構造を明らかにし、チェスの位置からチェスの動きを予測する。
  論文  参考訳（メタデータ） (2020-11-02T14:50:48Z)
• Learning to Play Sequential Games versus Unknown Opponents [93.8672371143881]
  学習者が最初にプレーするゲームと、選択した行動に反応する相手との連続的なゲームについて考察する。 対戦相手の対戦相手列と対戦する際,学習者に対して新しいアルゴリズムを提案する。 我々の結果には、相手の反応の正則性に依存するアルゴリズムの後悔の保証が含まれている。
  論文  参考訳（メタデータ） (2020-07-10T09:33:05Z)
• Playing Chess with Limited Look Ahead [0.0]
  静的評価関数として機能するために、ディープニューラルネットワークをトレーニングする。 我々は,我々の静的評価関数が,先見的な知識をコード化していることを示す。 先見深度に厳格な制限があるにもかかわらず、我々のエンジンはサンプル位置の約83%で同等の強度の移動を推奨している。
  論文  参考訳（メタデータ） (2020-07-04T16:02:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。