加速国际象棋技能评估：漂移扩散增强的Elo评级系统

# 一种漂移扩散增强的埃洛评级系统 © 2026 IEEE。允许本文用于个人用途。如需将本文用于任何当前或未来的媒体（包括重印/再版本文用于广告或宣传目的、创建新的合集作品、转售或重新分发到服务器或列表，或重用本文中任何受版权保护的组件），必须获得 IEEE 的许可。
来源：https://arxiv.org/html/2606.26267

###### 摘要

诸如埃洛（Elo）之类的评级系统是竞技棋类中匹配对局的金标准。然而，由于它们完全依赖比赛结果，忽略了棋局过程的细微质量，因此固有地存在响应滞后的问题。尽管如此，将棋步层面的信息融入评级调整中，由于存在显著噪声且棋局状态空间巨大，是一项重大挑战。为了解决这个问题，我们提出了漂移扩散增强的埃洛评级系统（DD-Elo），这是一种受认知神经科学中漂移扩散模型（DDM）启发的新型技能评估框架。通过将技能表现建模为决策过程，我们的模型整合了棋步层面的数据以捕捉快速的技能波动。我们提供了严格的数学推导，证明 DD-Elo 与传统埃洛系统的偏差有界，确保了理论上的对齐性。大量实验表明，DD-Elo 比埃洛系统能更快地适应技能变化。我们的研究结果表明，DD-Elo 为棋类评级生态系统提供了一种可解释、高响应度且向后兼容的解决方案。实现代码公开在：https://github.com/Aquila-zhou1/DD-Elo。

††发表标识符：pubid:979-8-3315-9476-3/26/$31.00 ©2026 IEEE

## I 引言

准确的技能评估是竞技棋类的基石，支撑着匹配质量、排名公平性和玩家的长期参与度。几十年来，埃洛评级系统一直是估计棋手实力的事实标准，广泛应用于棋类及其他竞技游戏[8 (https://arxiv.org/html/2606.26267#bib.bib20),7 (https://arxiv.org/html/2606.26267#bib.bib3)]。尽管其被广泛采用且概念优雅，但埃洛系统主要依赖比赛结果，仅根据胜负和的结果更新玩家评级。这种以结果为中心的设计虽然保证了鲁棒性和可解释性，但引入了一个众所周知的局限性：对玩家技能变化的响应缓慢，特别是在非平稳环境下[12 (https://arxiv.org/html/2606.26267#bib.bib21),20 (https://arxiv.org/html/2606.26267#bib.bib22)]。这种局限性在实际场景中尤为突出，例如新玩家校准、回归的老将恢复状态，或玩家进行强化训练时。

现有的评级系统扩展在一定程度上解决了这个问题。例如，Glicko[9 (https://arxiv.org/html/2606.26267#bib.bib23)] 引入了不确定性估计以加速收敛，而 TrueSkill[14 (https://arxiv.org/html/2606.26267#bib.bib5),21 (https://arxiv.org/html/2606.26267#bib.bib6)] 采用贝叶斯推理处理稀疏和演进的数据。尽管有这些方法论上的进步，这些系统本质上仍然以结果为中心：评级更新仅在以完整比赛为粒度时触发。因此，当玩家的潜在技能发生变化时，这些模型的响应速度固有地受到观察比赛频率的限制，导致不可避免的比赛级适应性滞后。

参见图注
图1：(1) 每步棋转换为漂移率并输入漂移扩散模型。(2) DDM 为每位玩家积累证据，以确定他们的走棋相对于当前埃洛评级是超常发挥还是表现不佳。(3) 然后决策通过跨局记忆机制传播，形成修正项。(4) 最终结果是修正项与传统的胜负埃洛调整的组合。

然而，棋类是由大量棋步组成的序列决策过程，每一步棋都反映了玩家在不确定性下的判断。先前的研究表明，棋步层面的表现指标，特别是基于引擎的评价，与玩家技能高度相关[17 (https://arxiv.org/html/2606.26267#bib.bib24),13 (https://arxiv.org/html/2606.26267#bib.bib27)]。对世界级棋局的分析表明，更强的棋手始终能走出更接近引擎最优选择的棋步，而百卒损失（centipawn loss）已被确立为跨技能水平的决策质量量化指标[17 (https://arxiv.org/html/2606.26267#bib.bib24)]。以基于引擎的评价框架，例如深蓝[3 (https://arxiv.org/html/2606.26267#bib.bib25)] 及其后继者，进一步强化了这种细粒度表现测量的有效性。

尽管这些棋步级指标在量化决策质量方面具有无可争议的精确性，但将它们整合到一个连贯的评级系统中远非易事。单个棋步高度依赖于状态，嵌入在巨大的组合博弈树中，并受到显著随机性的污染。关于序列决策的理论和实证研究凸显了从这种高维过程中提取稳定信号的困难[23 (https://arxiv.org/html/2606.26267#bib.bib26)]。因此，直接聚合棋步级指标可能会放大噪声并破坏长期评级的稳定性。

在这项工作中，我们通过引入漂移扩散增强的埃洛评级系统（DD-Elo）来弥合这一差距。该评级框架受认知神经科学中的漂移扩散模型（DDM）启发[2 (https://arxiv.org/html/2606.26267#bib.bib9),24 (https://arxiv.org/html/2606.26267#bib.bib10)]。框架概览如图1所示。DD-Elo 将棋类比赛重新解读为一连串微观决策，每一步棋都为玩家的潜在技能提供增量证据。棋步级表现信号引发一个局内扩散过程，其累积状态调节评级更新的幅度和方向。这种设计允许在观察到持续高质量或低质量走棋时，评级能够快速适应，同时确保长期稳定性，如图2所示。

除了实证性能，与埃洛系统的理论对齐也是一个核心设计目标。埃洛及其变体可被视为基于 Bradley–Terry 框架的成对比较模型的特例[5 (https://arxiv.org/html/2606.26267#bib.bib13)]。在允许时变技能和不确定性估计的这些模型的动态扩展基础上[10 (https://arxiv.org/html/2606.26267#bib.bib4),4 (https://arxiv.org/html/2606.26267#bib.bib12)]，我们提供了严格的理论分析，表明 DD-Elo 在温和假设下保持与经典埃洛系统的有界偏差。此外，最近将埃洛分析为 Bradley–Terry 及相关模型下在线估计器的工作进一步支持了这类方法的理论可靠性[22 (https://arxiv.org/html/2606.26267#bib.bib11)]。这一保证确保了 DD-Elo 与现有的棋类评级生态系统保持兼容，并保留了埃洛分数的可解释性。

总之，DD-Elo 是一个集成了漂移扩散建模和棋步级决策证据的棋类技能评级系统。我们建立了一个理论上的有界偏差保证，从形式上使 DD-Elo 与埃洛对齐。通过在在线棋类数据上的大规模实验，我们证明 DD-Elo 比传统的基于结果的评级系统更快地适应技能变化，同时保持稳定的长期排名。

参见图注
图2：某代表性玩家的埃洛和 DD-Elo 评级轨迹。在快速技能提升期间，DD-Elo（粉红色虚线）比埃洛（黑色折线）更早响应并给出更高的评级。当玩家技能稳定后，两条轨迹收敛，表明在不牺牲长期一致性的前提下提高了响应能力。

## II 相关工作

### II-A 棋类中的基于埃洛的评级系统

埃洛评级系统仍然是棋类中估计玩家技能最具影响力且被广泛采用的框架[8 (https://arxiv.org/html/2606.26267#bib.bib20),7 (https://arxiv.org/html/2606.26267#bib.bib3)]。其成功源于概念的简单性、可解释性和长期稳定性。为了应对原始公式的实际局限性，已经提出了许多扩展。Chessmetrics 引入时间加权以更好地反映历史统治力和巅峰表现，而德国评估数（DWZ）[6 (https://arxiv.org/html/2606.26267#bib.bib29)] 引入了年龄相关调整和基于表现的修正因子，以提高青少年和老年玩家的评级公平性。Glickman[9 (https://arxiv.org/html/2606.26267#bib.bib23),11 (https://arxiv.org/html/2606.26267#bib.bib28)] 通过显式建模评级不确定性和波动性进一步扩展了埃洛，使得在数据有限时能够更快收敛。

### II-B 决策中的漂移扩散模型

漂移扩散模型（DDM）起源于认知神经科学，是描述人类在不确定性下决策的规范模型[2 (https://arxiv.org/html/2606.26267#bib.bib9),24 (https://arxiv.org/html/2606.26267#bib.bib10),27 (https://arxiv.org/html/2606.26267#bib.bib37)]。在其经典形式中，DDM 描述了噪声证据如何随时间累积至决策边界，捕捉了准确率与速度的权衡以及试验间变异性。在标准假设下，DDM 代表数学上最优的决策策略。Bogacz 等人[2 (https://arxiv.org/html/2606.26267#bib.bib9)] 证明，当漂移等于期望对数似然比（LLR）时，DDM 等价于序列概率比检验（SPRT）。根据 Wald 定理，SPRT 在给定错误概率下最小化期望样本量，这从理论上证明了我们使用离散 DDM 实现最佳收敛速度的合理性。由于 DDM 的可解释性和强大的经验基础，它已成为建模感知选择、经济决策、学习、记忆以及许多其他人类和动物认知过程的标准工具，并且其神经相关性已在大脑中被揭示[28 (https://arxiv.org/html/2606.26267#bib.bib39),16 (https://arxiv.org/html/2606.26267#bib.bib38)]。

### II-C 棋类中的棋步级评估

棋步级信息长期以来被视为估计玩家技能的丰富来源。早期的统计方法以概率方式对走棋质量建模，以便从个体决策而非仅从结果推断内在实力。例如，内在棋类评级模型[25 (https://arxiv.org/html/2606.26267#bib.bib2)] 通过测量与最优走棋的偏差来估计玩家技能，而监督学习方法如随机森林模型已被用于从单局棋步序列提取的特征预测埃洛评级。

棋类引擎的快速发展进一步提高了棋步级评估的可靠性。现代引擎，从深蓝[3 (https://arxiv.org/html/2606.26267#bib.bib25)] 和 Rybka[26 (https://arxiv.org/html/2606.26267#bib.bib31)] 到当代系统如 Stockfish[31 (https://arxiv.org/html/2606.26267#bib.bib32)]，提供了越来越准确的对局质量评估，通常以百卒损失表示。这些信号被广泛用于赛后分析和训练。然而，现有应用主要支持回顾性分析或静态技能预测，并未整合到动态评级更新机制中。相比之下，我们的方法将基于百卒的棋步级信号纳入漂移扩散过程，使得此类信息直接影响评级更新。

## III 预备知识

### III-A 埃洛评级系统

埃洛评级系统将玩家技能建模为一个标量，在每场比赛后根据观察结果与期望结果之间的差值进行更新。令 \(R_t\) 表示一名玩家在一局比赛前的评级，\(S_t \in \{0, 0.5, 1\}\) 表示比赛结果（输、平、赢）。针对评级为 \(R_t^{\text{opp}}\) 的对手，期望得分 \(E_t\) 由下式给出：

\[
E_t = \frac{1}{1 + 10^{(R_t^{\text{opp}} - R_t)/400}} \tag{1}
\]

标准的埃洛更新规则为：

\[
R_{t+1} = R_t + K \cdot (S_t - E_t) \tag{2}
\]

其中 \(K > 0\) 是一个固定的更新系数。

### III-B 棋步级表现度量：百卒损失

为了量化棋类中的棋步级表现，我们采用百卒损失（CPL），这是一种源自棋类引擎评估的广泛使用的度量。令 \(\text{Eval}(s)\) 表示棋局状态 \(s\) 的引擎评估值，以百卒为单位。对于给定的走棋 \(m\)，百卒损失定义为：

\[
\text{CPL}_m = \text{Eval}(s^*) - \text{Eval}(s_m) \tag{3}
\]

其中 \(s^*\) 是引擎推荐的最佳走棋导致的位置，\(s_m\) 是执行走棋 \(m\) 后的位置。

### III-C 漂移扩散模型

漂移扩散模型（DDM）将决策形成建模为噪声证据随时间的累积，由潜在的漂移信号和随机波动驱动。

在离散时间中，潜在证据状态 \(X_m\) 的演化由下式描述：

\[
X_m = X_{m-1} + v_m + \epsilon_m \tag{4}
\]

其中 \(X_0 = 0\)，\(v_m\) 表示时刻 \(m\) 的瞬时证据，\(\epsilon_m \sim \mathcal{N}(0, \sigma_m^2)\) 是捕捉证据积累中随机变异性的噪声项。

潜在证据 \(X_m\) 持续演化，直到达到其中一个吸收决策边界 \(\pm \beta\)，此时过程终止于 \(\tau = \inf \left\{ m \geq 1 : |X_m| \geq \beta \right\}\)。

### III-D DDM 的理论最优性

DDM 提供了一种原则性机制，将噪声的、顺序的证据聚合成单个决策变量。具体来说，当离散漂移 \(v_m\) 等于在独立同分布观测下两个假设（\(H_1, H_2\)）的观测 \(z_m\) 的对数似然比时，边界累积在数学上简化为序列概率比检验（SPRT）。与固定样本检验不同，SPRT 在每次观测后评估联合似然比与预设阈值，以接受 \(H_1\)、接受 \(H_2\) 或继续采样[2](https://arxiv.org/html/2606.26267#bib.bib9)：

\[
X_T = \sum_{m=1}^{T} v_m = \sum_{m=1}^{T} \log \frac{P(z_m \mid H_1)}{P(z_m \mid H_2)} \equiv \text{SPRT} \tag{5}
\]

SPRT 已被证明具有严格的最优性，在任意给定错误概率下最小化决策所需的期望样本量[2](https://arxiv.org/html/2606.26267#bib.bib9)。这种精确的数学等价性保证 DDM 在任意给定错误边界下最小化期望决策步数，使其成为理论上的最优决策策略。

## IV 算法设计

我们的目标是将棋步级表现信号纳入评级更新过程，同时保持稳定性以及与经典埃洛的兼容性。我们通过四个组件实现这一点：棋步级漂移构建、局内扩散、跨局记忆衰减以及最终的修正项。