論文の概要: CHSM8: A Chess Transformer that Follows Natural-Language Style Prompts
- arxiv url: http://arxiv.org/abs/2610.25356v1
- Date: Sun, 18 Oct 2026 15:57:03 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-20 22:45:44.500817
- Title: CHSM8: A Chess Transformer that Follows Natural-Language Style Prompts
- Title（参考訳）: CHSM8:自然言語スタイルのプロンプトを追尾するチェス変換器
- Abstract要約: 本稿では,210Mパラメータのチェス変換器CHSM8を提案する。
このモデルは 1.07B のフィルター付き Lichess ゲームにおいて、因子化移動表現と合法移動マスキングを用いて事前訓練される。
1837年のストックフィッシュ戦でエロに到達し、1000試合に出場して、テストした他のすべての公開モデルを打ち負かした。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: We present CHSM8, a 210M-parameter chess transformer that plays moves conditioned on a free-text description of a playing style, e.g. "go for the Sicilian Defense", "solid, safe, risk-free chess" or "You are Magnus Carlsen in his prime". The model is pretrained without search on 1.07B filtered Lichess games, using a factorized move representation and legal-move masking. It reaches 1837 Elo against a strength-limited Stockfish and, in 1,000-game matches, beat every other public model we tested that was likewise trained without preference tuning, rewards or search, including one with 13 times as many parameters. We then fine-tune it to follow text on a synthetic dataset: Gemma-4-31B describes the playing style of 3M game sides, a 1B Gemma-3 model distilled from the 2.4M of those descriptions that contradict nothing on the board labels the rest, and every one of 30M selected game sides gets five descriptions. Supervised fine-tuning attaches a frozen text encoder through gated cross-attention, and direct preference optimization (DPO) uses the same moves under a mismatched description as the rejected sample. After DPO, style adherence rises on every prompt we test (for example, queens traded early 53% -> 67%, pawn moves 29% -> 32% of all moves, queenside castling 97.3% -> 99.7%), and strength without a prompt stays within noise of SFT (1792 vs. 1797 Elo). Design choices at every stage were made by fixed-budget automated search loops on top of standard architectures and training recipes. We document the full pipeline and the decisions behind it, report the ablations that failed, and evaluate the models across many style prompts and kinds of games, with 1,000 games per setting. The work is fully open source and reproducible: weights, datasets with all training labels, prompts, configurations, inference code and playable demos are public and free to build on.
- Abstract（参考訳）: 本報告では,210MパラメータのチェストランスフォーマーであるCHSM8について述べる。例えば,「シチリア防衛のためのゴ」,「堅固で安全で,リスクのないチェス」,あるいは「素数でマグナス・カールセンである」など,フリーテキストで記述されたプレイスタイルでプレイする。
このモデルは 1.07B のフィルター付き Lichess ゲームにおいて、因子化移動表現と合法移動マスキングを用いて事前訓練される。
強度制限のストックフィッシュに対して1837 Eloに到達し、1000試合で私たちがテストした他のすべての公開モデルに勝って、好みのチューニングや報酬、検索なしにトレーニングされた。
Gemma-4-31Bは3Mゲームサイドのプレイスタイルを記述し、ボード上の何も矛盾しない説明の2.4Mから蒸留された1B Gemma-3モデルは残りをラベル付けし、30万のゲームサイドのうち1つは5つの説明を得る。
修正された微調整は、凍結されたテキストエンコーダをゲートクロスアテンションでアタッチし、直接選好最適化(DPO)は、拒否されたサンプルとミスマッチした記述の下で同じ動きを使用する。
例えば、クィーンズは早期53%から67%、ポーンの動きは29%から32%、クィーンズサイドのキャスティングは97.3%から>99.7%)、プロンプトのない強さはSFT(1792対1797エロ)のノイズ内に留まる。
各段階での設計選択は、標準アーキテクチャとトレーニングレシピの上に固定予算の自動検索ループによって行われた。
パイプライン全体とその背後にある決定を文書化し、失敗を報告し、多くのスタイルのプロンプトや種類のゲームにまたがってモデルを評価します。
ウェイト、すべてのトレーニングラベル、プロンプト、設定、推論コード、プレイ可能なデモは公開されており、構築は無料です。
関連論文リスト
- Explaining Chess and Go in Natural Language [48.94486925737473]
本稿では,チェスエンジンの評価を基礎として,チェスの説明を自動評価する手法を提案する。
次に、BinPropを紹介します。これは、これらの同じモデルが再利用可能なチェスの概念を発見し、自然言語の移動を説明するためにそれらを使用することを可能にする、トレーニング不要の方法です。
論文 参考訳（メタデータ） (2026-10-16T09:05:17Z) - Elo-Disentangled Player-Style Embeddings for Human Chess via Rating-Conditioned Residual Move Model [0.0]
我々は,個別の人間のチェススタイルの表現学習について研究する。
プレイヤーごとの埋め込みはプレイヤーの動き履歴から学習される。
強い評価条件ベースとコンパクトなエロ異形埋め込みは、経済的な、解釈可能な個々のスタイルモデルである、と我々は主張する。
論文 参考訳（メタデータ） (2026-06-23T21:06:24Z) - Generalization or Memorization? Brittleness Testing for Chess-Trained Language Models [0.0]
KinGPTは、(配置、最良の)ペアのみに基づいて訓練された文字レベルの言語モデルである。
LLM-Modulo が RedPajama 3B の最良の移動精度を 1.2% から 21.2% に引き上げる方法を示す。
論文 参考訳（メタデータ） (2026-05-17T17:49:07Z) - NitroGen: An Open Foundation Model for Generalist Gaming Agents [101.41866522979548]
NitroGenは、ジェネラリストゲームエージェントのためのビジョンアクション基盤モデルである。
1000以上のゲームで4万時間のゲームプレイビデオでトレーニングされている。
論文 参考訳（メタデータ） (2026-01-04T16:24:50Z) - 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) - LM Fight Arena: Benchmarking Large Multimodal Models via Game Competition [104.81487689011341]
本稿では,Mortal Kombat IIにおける大規模マルチモーダルモデルを評価する新しいフレームワークであるLM Fight Arenaを紹介する。
静的評価とは異なり、LM Fight Arenaは完全に自動化され、再現可能で、LMMの戦略的推論能力の客観的評価を提供する。
論文 参考訳（メタデータ） (2025-10-10T02:19:21Z) - Complete Chess Games Enable LLM Become A Chess Master [10.108949088950927]
大規模言語モデル(LLM)は、テキスト生成、質問応答、言語翻訳、推論、その他多くのタスクにおいて顕著な能力を示している。
LLMは様々な分野で成功しているにもかかわらず、チェスのような抽象的なゲームをする能力は過小評価されている。
本稿では,チェスをフルに行うための大規模言語モデルChessLLMを提案する。
論文 参考訳（メタデータ） (2025-01-26T09:43:39Z) - Multi-agent Multi-armed Bandits with Stochastic Sharable Arm Capacities [69.34646544774161]
我々は、各アームへのリクエストの到着とプレイヤーへのリクエストの割り当てポリシーをキャプチャするマルチプレイヤーマルチアーム・バンディット(MAB)モデルの新しいバリエーションを定式化する。
課題は、プレイヤーが最適な腕引きプロファイルに従って腕を選択するように分散学習アルゴリズムを設計する方法である。
我々は,Mラウンドのみの最適腕引きプロファイルにおいて,プレイヤーがコンセンサスに達することを保証した反復分散アルゴリズムを設計する。
論文 参考訳（メタデータ） (2024-08-20T13:57:00Z) - 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) - CommonsenseQA 2.0: Exposing the Limits of AI through Gamification [126.85096257968414]
現代自然言語理解モデルの能力をテストするベンチマークを構築した。
本研究では,データ構築の枠組みとしてゲーミフィケーションを提案する。
論文 参考訳（メタデータ） (2022-01-14T06:49:15Z)
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。