chess

提出了DD-Elo，一种通过漂移扩散模型整合步级数据以加速技能评估和评级适应的国际象棋评级系统，同时保持与传统Elo的一致性。

一项非正式实验使用棋盘揭示了视觉语言模型尽管能正确识别棋子，但在空间推理和精确结构化输出方面常常失败，突显了VLM评估中的一个关键差距。

Boxwood Chess 是一款国际象棋模式训练工具，没有计时器、连续记录或评分。

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。

Wired 评测了2026年最佳智能棋盘，重点关注 Chessnut 和 Millennium 型号，突出了它们的电子特性、设计和在线对战功能。

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。

本文将国际象棋建模为并发系统，并推导出状态和转换不变量，展示了使用TLA+的形式化验证技术。

Nicholas Carlini 的项目使用84,688个正则表达式实现了一个2层minimax国际象棋引擎，这些表达式被顺序执行以走出合法的国际象棋走法。文章解释了一个能够解读指令的正则表达式计算机的设计。

训练了基于Transformer的国际象棋模型，覆盖从800到2500+的等级分区间，能预测着法、思考时间和结果。仅用9M参数即达到较高准确率，并包含一个新颖的思考时间预测组件。