论文页面 - 能下国际象棋并解释自己走法的语言模型

来源：https://huggingface.co/papers/2610.03695

摘要

现代国际象棋引擎是沉默的专家：它们能达到超人类水平，但不会为自己的着法提供解释。另一方面，语言模型（LM）可以生成听起来合理的解释，但它们较弱的对弈水平限制了这些解释的实用价值。我们提出了 Queen，一个 4B 参数的国际象棋语言模型，能够在达到典型特级大师水平的同时解释自己的着法与计划。我们的新颖框架通过互补组件实现领域特定推理：一个编码器-解码器架构和一个迭代蒸馏算法。该架构通过交叉注意力将沉默专家国际象棋编码器与指令调优的语言模型结合在一起，我们通过问答课程（question-answering curriculum）对其进行训练，以从编码器的表征中提取国际象棋概念。在这一领域适配模型的基础上，我们利用贝尔曼更新的自然语言类比来迭代地改进其解释：模型分析其顶级候选着法之后的局面，并将它们整合成对当前局面的解释，然后将该解释蒸馏回模型中。经过七次迭代，我们的模型 Elo 分数提升了 900 多分（从 1782 升至 2697），尽管参数量少了三个数量级，却在对弈强度和残局题准确率上大幅超越了所有前沿模型。此外，基于语言模型的评估表明，我们的解释十分流畅，在连贯性上接近 GPT-5.6-Sol（high）。我们架构和训练流程的通用性表明了一个将语言模型应用于存在沉默专家编码器领域的可行方案，例如游戏、机器人学和计算机操作等领域。

查看 arXiv 页面 (https://arxiv.org/abs/2610.03695)　查看 PDF (https://arxiv.org/pdf/2610.03695)　项目页面 (https://queen-project.github.io/)　GitHub1 (https://github.com/queen-project/queen)　添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.03695)

在你的 agent 中获取这篇论文：

hf papers read 2610.03695

没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

暂无模型关联此论文

在模型的 README.md 中引用 arxiv.org/abs/2610.03695，即可从此页面链接到它。

引用此论文的数据集 0

暂无数据集关联此论文

在数据集的 README.md 中引用 arxiv.org/abs/2610.03695，即可从此页面链接到它。

引用此论文的 Spaces 0

暂无 Space 关联此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.03695，即可从此页面链接到它。

收录此论文的合集 0

暂无合集收录此论文

将此论文添加到一个合集 (https://huggingface.co/new-collection)，即可从此页面链接到它。