論文の概要: Towards the Automatic Synthesis of Interpretable Chess Tactics

• arxiv url: http://arxiv.org/abs/2610.07640v1
• Date: Tue, 06 Oct 2026 02:35:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.761056
• Title: Towards the Automatic Synthesis of Interpretable Chess Tactics
• Title（参考訳）: 解釈可能なチェス戦術の自動合成に向けて
• Abstract要約: チェスをするための象徴的なサブ政治モデルを提案する。 チェスの戦術にインスパイアされた我々のモデルは、解釈可能性を改善するためにドメイン知識を組み込もうとする。 我々は,ランダムなベースラインに対してモデルを評価するための分岐指標を提供し,人間の初心者に類似した演奏力の移動を提案するための一連の戦術を見出す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: State-of-the-art reinforcement learning agents are capable of outperforming human experts at games like chess, Go and StarCraft II. These agents do not simply take advantage of their digital hardware in being able to react and calculate faster than humans, but employ better strategies that lead to more victories. Interpreting these strategies would give human players valuable insight into how to improve their play. In this preliminary work, we propose a symbolic sub-policy model for playing chess. Inspired by chess tactics, our model attempts to incorporate domain knowledge to improve interpretability. We adapt patterns learned by an inductive logic programming system called PAL to derive our model. We contribute a divergence metric to evaluate our model against a random baseline, and find a set of tactics that is able to suggest moves of similar playing strength to a human beginner. Finally, we propose a computational evaluation scheme for the model by augmenting an off-the-shelf engine with it.
• Abstract（参考訳）: 最先端の強化学習エージェントは、チェス、囲碁、スタークラフトIIのようなゲームで人間の専門家より優れています。 これらのエージェントは、単にデジタルハードウェアを利用して人間よりも速く反応し、計算することができるだけでなく、より良い戦略を採用し、より多くの勝利をもたらす。 これらの戦略を解釈すれば、人間のプレイヤーは彼らのプレーを改善する方法について貴重な洞察が得られる。 本稿では,チェスの象徴的サブ政治モデルを提案する。 チェスの戦術にインスパイアされた我々のモデルは、解釈可能性を改善するためにドメイン知識を組み込もうとする。 PALと呼ばれる帰納的論理プログラミングシステムによって学習されたパターンに適応してモデルを導出する。 我々は,ランダムなベースラインに対してモデルを評価するための分岐指標を提供し,人間の初心者に類似した演奏力の移動を提案するための一連の戦術を見出す。 最後に,市販のエンジンを加味してモデルに対する計算評価手法を提案する。

関連論文リスト

• Towards Piece-by-Piece Explanations for Chess Positions with SHAP [0.20305676256390937]
  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。
  論文  参考訳（メタデータ） (2025-10-26T09:07:21Z)
• Out-of-distribution Tests Reveal Compositionality in Chess Transformers [6.356179251855671]
  我々は、270Mパラメータチェス変換器を訓練し、系統的な一般化の失敗を明らかにするために、配布外シナリオでそれをテストする。 分析の結果,トランスフォーマーは強い規則外挿法によって証明されるように,構成的一般化を示すことが示された。 より難しいテストでは、チェスの変種であるチェス960など、部品の開始位置がランダム化される変種について、モデルを評価する。
  論文  参考訳（メタデータ） (2025-10-23T17:51:28Z)
• A Behavior-Based Knowledge Representation Improves Prediction of Players' Moves in Chess by 25% [2.232417329532027]
  本稿では,人間の次の動きを予測するために,エキスパート知識と機械学習技術を組み合わせた新しいアプローチを提案する。 ドメインの専門知識に根ざした特徴工学を適用して,中間レベルのチェス選手の動きのパターンを明らかにする。 我々の方法論は、人間の行動を予測するための有望なフレームワークを提供し、AIと人間とコンピュータの相互作用の両方の分野を前進させる。
  論文  参考訳（メタデータ） (2025-04-07T18:49:00Z)
• 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)
• Promptable Game Models: Text-Guided Game Simulation via Masked Diffusion Models [68.85478477006178]
  ニューラルビデオゲームシミュレータのためのPGM(Promptable Game Model)を提案する。 ユーザーは高レベルのアクションシーケンスと低レベルのアクションシーケンスでゲームを実行することができる。 私たちのPGMは、エージェントの目標をプロンプトの形で指定することで、ディレクターのモードをアンロックします。 提案手法は,既存のニューラルビデオゲームシミュレータのレンダリング品質を著しく上回り,現在の最先端の能力を超えたアプリケーションをアンロックする。
  論文  参考訳（メタデータ） (2023-03-23T17:43:17Z)
• 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)
• 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)
• Learning from Learners: Adapting Reinforcement Learning Agents to be Competitive in a Card Game [71.24825724518847]
  本稿では,競争力のあるマルチプレイヤーカードゲームの現実的な実装を学習・プレイするために,一般的な強化学習アルゴリズムをどのように適用できるかについて検討する。 本研究は,学習エージェントに対して,エージェントが競争力を持つことの学習方法を評価するための特定のトレーニングと検証ルーチンを提案し,それらが相互の演奏スタイルにどのように適応するかを説明する。
  論文  参考訳（メタデータ） (2020-04-08T14:11:05Z)

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。