@maximelabonne: ChessLFM 完成了一个循环,现在出现在 @lichess 的主页上。太酷了,Lichess 是我收集所有数据的起点。
摘要
ChessLFM,一个AI模型,已被置于热门国际象棋平台 Lichess 的主页上,该模型的种子数据正是在此收集的。
ChessLFM 完成了一个循环,现在出现在 @lichess 的主页上。
太酷了,Lichess 是我收集所有种子数据的地方。基于我有限的国际象棋技能,我从未想过会在那里有一篇文章。https://t.co/1OVzeqqb6P
查看缓存全文
缓存时间: 2026/09/21 23:38
ChessLFM 完成了一个完整循环,现在登上了 @lichess 的首页!
非常酷的体验,Lichess 正是我收集所有种子数据的地方。以我有限的棋艺水平,从没想过自己会出现在那里的文章中。https://t.co/1OVzeqqb6P
相似文章
mlabonne/LFM2.5-230M-Chess · Hugging Face
一个 2.3 亿参数的国际象棋引擎,从 LFM2.5-230M-Base 微调而来,使用 Stockfish 知识蒸馏,能够通过语言模型接口预测国际象棋走法,并达到约 2004 Elo 等级分。
我打造了一个象棋教练,它像特级大师一样解释走法,而不是显示引擎线路——由LLM驱动
一个象棋教练工具,使用LLM像特级大师一样用自然语言解释走法,用上下文的教练叙述取代原始的引擎评估。它通过本地的Stockfish分析来自Chess.com和Lichess的用户对局,检测重复出现的错误,并提供个性化聊天和对失误的间隔重复训练。
@N3sOnline: 使用了 @mattpocockuk 的 /teach 技能,并让它访问一个国际象棋引擎和API来获取我最近的所有对局。现在它……
一位用户演示了如何利用自定义AI技能,结合国际象棋引擎和游戏API来获取近期对局,进行分析,并生成带有交互式视觉和谜题的个性化课程。
我将 Pokelike.xyz 转变为一个用于大语言模型和强化学习的基准测试环境!
一位数据科学家通过将 Pokelike.xyz 转变为一个游戏环境,创建了用于强化学习和大语言模型的基准测试。在这个环境中,AI 机器人可以被训练和测试。该项目是开源的,并邀请贡献以改进机器人的性能。
@maximelabonne: 读了三行就认出了好品味
一个社交媒体帖子,列出了2026年硬件配置下的顶级AI模型,例如适用于8GB设置的lfm-2.6B和适用于高端设备的Ornith模型。