論文の概要: Playing Dumb: How a Chess Transformer Simulates Users Across Skill Levels

• arxiv url: http://arxiv.org/abs/2611.03439v1
• Date: Mon, 02 Nov 2026 16:54:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 04:33:09.04008
• Title: Playing Dumb: How a Chess Transformer Simulates Users Across Skill Levels
• Title（参考訳）: チェスのトランスフォーマーは、スキルレベルを越えてユーザーをシミュレートする
• Abstract要約: 本研究では,プレイヤスキルを前提とした人間の動きを予測するチェストランスフォーマーMaia-2について検討する。 我々は,マイア-2の内部状態から172のチェス概念の存在を予測するために,訓練用プローブによる符号化知識の測定を行った。
• 参考スコア（独自算出の注目度）: 10.620301155405288
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative models increasingly simulate users at different skill levels in education and AI evaluation. Yet it remains unclear whether lower-skill behavior reflects less internal knowledge or a different use of retained knowledge. This distinction is difficult to study in natural language, where proficiency and relevant knowledge are hard to measure. In this work, we study Maia-2, a chess transformer that predicts human moves conditioned on player skill, using quantitative skill ratings and deterministically labeled chess concepts. We hold board positions and model weights fixed and analyze positions where skill conditioning changes the prediction from a blunder to the best move. First, we measure encoded knowledge by training probes to predict the presence of 172 chess concepts from Maia-2's internal states. Probe accuracy remains nearly constant across skill conditions, and probes trained at one level transfer accurately to the others. To test whether stronger decisions can be recovered from this retained knowledge, we fine-tune only Maia-2's final output layer, raising best-move accuracy in the lowest skill band from 14.4% to 82.8%. Training this layer only on highest-skill representations retains most of the improvement at lower levels, showing that recovery does not require direct training on lower-skill states. Steering concept-relevant features learned by a sparse autoencoder also improves lower-skill decisions while leaving probe-measured concept encoding practically unchanged. These results support an account in which skill conditioning changes how retained concept knowledge influences move selection, showing that weaker behavior can understate the knowledge available within a model.
• Abstract（参考訳）: 生成モデルは、教育とAI評価の異なるスキルレベルでユーザーをシミュレートする。 しかし、低いスキルの振る舞いが内部知識の少ないことや、保持された知識の異なる使用を反映しているかどうかは不明である。 この区別は、習熟度と関連する知識を測ることが難しい自然言語で研究することは困難である。 本研究では,プレイヤスキルに条件付き人間の動きを予測し,定量的なスキル評価と決定論的にラベル付けされたチェス概念を用いて,チェストランスフォーマーMaia-2について検討する。 我々は板の位置とモデルの重みを固定し、スキルコンディショニングが失敗から最高の動きへと予測を変化させる位置を解析する。 まず,マイア-2の内部状態から172のチェス概念の存在を予測するために,学習者による符号化知識の測定を行う。 精度は、スキル条件によってほぼ一定であり、一方のレベルで訓練されたプローブを他方に正確に転送する。 この保持された知識からより強い決定を取り戻せるかどうかを調べるため、我々はMaia-2の最終出力層のみを微調整し、最下位のスキルバンドにおいて14.4%から82.8%まで最高のモブ精度を高めた。 このレイヤを最高スキル表現のみにトレーニングすることは、低レベルの改善の大部分を維持し、リカバリが低スキル状態の直接トレーニングを必要としないことを示す。 スパースオートエンコーダが学習したステアリングの概念関連機能は、プローブ測定された概念エンコーディングを事実上変更することなく、低いスキル決定を改善する。 これらの結果は、保持された概念知識が移動選択にどう影響するかをスキル条件付けが変更するアカウントをサポートし、より弱い振る舞いがモデル内で利用可能な知識を基盤にすることができることを示す。

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)
• Skill-V: Verifiable Self-Evolving Skill Library for Interactive Agents [52.62594580060118]
  検証可能な自己進化型スキルライブラリであるSkill-Vを紹介する。 我々は,図書館の進化を促進するために環境成果を用いており,特に,タスク失敗はスキル追加を動機付けている。 我々は、現在のタスクに確実に適用できないと判断された候補を除外するために、適用性に配慮したフィルタを用いる。
  論文  参考訳（メタデータ） (2026-10-08T11:59:42Z)
• Learn2Play Bench: How Well Do LLM Agents Learn from Experience in Unfamiliar Environments? [48.23299126251927]
  Learn2Play Benchは、新しく設計されたテキストベースのゲームのベンチマークである。 これらのゲームは、事前訓練された知識にのみ依存するのではなく、相互作用を通じて知識を得るエージェントを必要とする。 筆者らは,バックボーンモデル,自己進化手法,エージェントハーネスがエージェントの学習能力に与える影響を評価する。
  論文  参考訳（メタデータ） (2026-10-06T12:08:45Z)
• Increasing Skill Level Recruits Deeper Attention Layers in a Frozen Chess Transformer [0.0]
  Maia-3チェストランスフォーマーは、事前訓練されたネットワークへの入力として、競争力のあるチェススキルの尺度であるEloを取り入れている。 このスキルダイヤルを回すことが自己意識に与える影響について検討する。
  論文  参考訳（メタデータ） (2026-09-20T22:46:16Z)
• Tracking vs. Deciding: The Dual-Capability Bottleneck in Searchless Chess Transformers [3.692740024498697]
  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。
  論文  参考訳（メタデータ） (2026-03-31T14:01:39Z)
• Policies of Multiple Skill Levels for Better Strength Estimation in Games [0.0]
  AIプレイヤーがトップの人間のプロフェッショナルに勝っているゲームでは、人間のスキルレベルに合わせてAIの振る舞いを適用する上で、強度推定が重要な役割を果たす。 本稿では,人間の選手の行動傾向が,その強さによって異なるという観察に焦点をあてる。 次に、これらのポリシーに基づく特徴と強度スコアを組み合わせて、強度を見積もる。 また,Goでは10試合で80%の精度を達成し,20試合で92%に向上した。
  論文  参考訳（メタデータ） (2025-05-01T04:02:20Z)
• Decouple knowledge from parameters for plug-and-play language modeling [77.5601135412186]
  差別化可能なプラグインメモリ(DPM)を備えた事前学習モデルPlugLMを導入する。 鍵となる直感は、編集可能でスケーラブルなキーバリューメモリで、知識ストレージをモデルパラメータから切り離すことである。 PlugLMは4つのドメインで平均3.95のF1改善を実現している。
  論文  参考訳（メタデータ） (2023-05-19T10:01:55Z)
• Learning to Play Two-Player Perfect-Information Games without Knowledge [0.0]
  本稿では,強化によるゲーム状態評価関数の学習手法を提案する。 一つは木のブートストラップの一般化(ツリー学習)であり、知識のない強化学習の文脈に適応する。 2つ目は、最良な動作列を終端状態まで延ばす非有界深さを持つミニマックスの修正である。
  論文  参考訳（メタデータ） (2020-08-03T21:01:22Z)

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。