論文の概要: Tracking vs. Deciding: The Dual-Capability Bottleneck in Searchless Chess Transformers

• arxiv url: http://arxiv.org/abs/2603.29761v1
• Date: Tue, 31 Mar 2026 14:01:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:03.700176
• Title: Tracking vs. Deciding: The Dual-Capability Bottleneck in Searchless Chess Transformers
• Title（参考訳）: 追跡 vs. 決定:検索レスチェストランスの二重機能ボツネック
• Authors: Quanhao Li, Wei Jiang,
• Abstract要約: 人間のようなチェスエンジンは、遊びの強さを最大化するのではなく、強い人間のプレーヤーのスタイル、エラー、一貫性を真似るべきである。 移動順序のみからのトレーニングは、ボードを移動履歴から再構築する状態トラッキングと、その再構築された状態から良い動きを選択する決定品質という2つの能力の学習をモデルに強いることを示す。 このテンションを二重能力ボトルネック P = min(T,Q) として定式化し、全体的な性能はより弱い能力によって制限される。
• 参考スコア（独自算出の注目度）: 3.692740024498697
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: A human-like chess engine should mimic the style, errors, and consistency of a strong human player rather than maximize playing strength. We show that training from move sequences alone forces a model to learn two capabilities: state tracking, which reconstructs the board from move history, and decision quality, which selects good moves from that reconstructed state. These impose contradictory data requirements: low-rated games provide the diversity needed for tracking, while high-rated games provide the quality signal for decision learning. Removing low-rated data degrades performance. We formalize this tension as a dual-capability bottleneck, P <= min(T,Q), where overall performance is limited by the weaker capability. Guided by this view, we scale the model from 28M to 120M parameters to improve tracking, then introduce Elo-weighted training to improve decisions while preserving diversity. A 2 x 2 factorial ablation shows that scaling improves tracking, weighting improves decisions, and their combination is superadditive. Linear weighting works best, while overly aggressive weighting harms tracking despite lower validation loss. We also introduce a coverage-decay formula, t* = log(N/kcrit)/log b, as a reliability horizon for intra-game degeneration risk. Our final 120M-parameter model, without search, reached Lichess bullet 2570 over 253 rated games. On human move prediction it achieves 55.2% Top-1 accuracy, exceeding Maia-2 rapid and Maia-2 blitz. Unlike position-based methods, sequence input naturally encodes full game history, enabling history-dependent decisions that single-position models cannot exhibit.
• Abstract（参考訳）: 人間のようなチェスエンジンは、遊びの強さを最大化するのではなく、強い人間のプレーヤーのスタイル、エラー、一貫性を真似るべきである。 移動順序のみからのトレーニングは、ボードを移動履歴から再構築する状態トラッキングと、その再構築された状態から良い動きを選択する決定品質という2つの能力の学習をモデルに強いることを示す。 低格ゲームは追跡に必要な多様性を提供するが、高格ゲームは意思決定のための質の高い信号を提供する。 低レベルのデータの削除はパフォーマンスを低下させる。 我々はこのテンションを、より弱い能力によって全体的な性能が制限される二重能力ボトルネック P <= min(T,Q) として定式化する。 この視点で導かれたモデルでは、追跡を改善するために2800万から1億2000万のパラメータにモデルをスケールし、続いてエロ重み付きトレーニングを導入し、多様性を維持しながら意思決定を改善する。 2x2因子のアブレーションは、スケーリングはトラッキングを改善し、重み付けは意思決定を改善し、それらの組み合わせは超加法的であることを示している。 線形重み付けは最も有効であるが、過度に攻撃的な重み付けは、検証損失が低いにもかかわらず追跡に害を与える。 また,ゲーム内退化リスクに対する信頼性確保のために,カバーデカイ式 t* = log(N/kcrit)/log b を導入する。 最後の120Mパラメーターモデルは、検索なしで、253のレーティングゲームでLichessの弾丸2570に達した。 ヒトの動き予測では、55.2%のTop-1の精度で、Maia-2 RapidとMaia-2 blitzを上回っている。 位置ベースの方法とは異なり、シーケンス入力は完全なゲーム履歴を自然にエンコードし、シングルポジションモデルでは表現できない歴史に依存した決定を可能にする。

関連論文リスト

• MEMO: Memory-Augmented Model Context Optimization for Robust Multi-Turn Multi-Agent LLM Games [79.72300527041534]
  マルチエージェントゲームの評価は、しばしば実質的なラン・ツー・ランのばらつきを示す。 回転する小さな偏差は、多エージェントカップリングによって増幅される。 自己再生フレームワークであるMEMO(Memory-augmented MOdel context optimization)を用いて,不安定性とアンダーパフォーマンスの両面に対処する。
  論文  参考訳（メタデータ） (2026-03-09T23:36:32Z)
• Game-TARS: Pretrained Foundation Models for Scalable Generalist Multimodal Game Agents [56.25101378553328]
  本稿では,汎用ゲームエージェントであるGame-TARSについて紹介する。 Game-TARSは500B以上のトークンで事前トレーニングされており、様々な軌跡とマルチモーダルデータがある。 実験により、Game-TARSは、オープンワールドMinecraftタスクにおける以前のソータモデルの約2倍の成功率を達成することが示された。
  論文  参考訳（メタデータ） (2025-10-27T17:43:51Z)
• Chess Rating Estimation from Moves and Clock Times Using a CNN-LSTM [11.340099493701029]
  本稿では,ゲームの動きや時計時間から直接プレイヤーの格付けを推定する手法を提案する。 我々のモデルアーキテクチャは、位置特徴を学習するためのCNNで構成されており、時計時間データと統合された双方向LSTMである。 このモデルは、手作りの機能を使わずにチェスのレーティングを推定し、各移動後にレーティング予測を出力した最初のモデルである。
  論文  参考訳（メタデータ） (2024-09-17T19:19:16Z)
• Balance, Imbalance, and Rebalance: Understanding Robust Overfitting from a Minimax Game Perspective [80.51463286812314]
  敵対的訓練(AT)はおそらく、頑健な特徴を抽出するための最先端のアルゴリズムである。 ATは、特に学習率(LR)が崩壊した後、深刻な強固な過適合問題に悩まされる。 我々は, LR崩壊が, より強い記憶能力でトレーナーに力を与えることにより, ミニマックスゲーム間のバランスを損なうことを示す。
  論文  参考訳（メタデータ） (2023-10-30T09:00:11Z)
• EVEREST: Efficient Masked Video Autoencoder by Removing Redundant Spatiotemporal Tokens [57.354304637367555]
  ビデオ表現学習のための驚くほど効率的なMVAアプローチであるEVERESTを提案する。 リッチなモーション特徴を含むトークンを発見し、事前トレーニングと微調整の両方の間、非形式的なトークンを破棄する。 提案手法は,MVAの計算とメモリ要求を大幅に低減する。
  論文  参考訳（メタデータ） (2022-11-19T09:57:01Z)
• Calibrated Learning to Defer with One-vs-All Classifiers [1.14219428942199]
  遅延(L2D)フレームワークの学習は、AIシステムをより安全にする可能性がある。 与えられた入力に対して、正しい行動を取るモデルよりも人間の方が確率が高い場合、システムは決定を人間に推論することができる。 本研究では,L2Dシステムのキャリブレーションについて検討し,出力する確率が健全かどうかを検討した。
  論文  参考訳（メタデータ） (2022-02-08T06:24:06Z)
• Visibility Optimization for Surveillance-Evasion Games [4.454557728745761]
  監視回避差分ゲームでは,追跡者が常に移動中の回避者の視認性を維持する必要がある。 本研究では,ゲーム終了時間に対応するフィードバック値関数をアップウインド方式で計算する。 モンテカルロ木探索と自己再生強化学習が深層ニューラルネットワークをトレーニングし,オンラインゲームプレイのための合理的な戦略を生成することを示す。
  論文  参考訳（メタデータ） (2020-10-18T15:02:41Z)
• Geometry-aware Instance-reweighted Adversarial Training [78.70024866515756]
  敵対的機械学習では、堅牢性と正確性がお互いを傷つけるという共通の信念があった。 本稿では,自然データ点の攻撃がいかに難しいかに基づいて,幾何対応のインスタンス再重み付き対向訓練を提案する。 実験の結果,本提案は標準的な対人訓練の堅牢性を高めることが示唆された。
  論文  参考訳（メタデータ） (2020-10-05T01:33:11Z)

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。