标签
Memory Chess 在 Product Hunt 推出 2.0 版本：展示棋局几秒后清空棋盘，让用户凭记忆复原，新增每日棋盘、双向变动的技能评分、记忆进度面板和 24 种语言支持，免费且无需注册。
作者以 AlphaGo 之后围棋界的发展为镜，探讨数学家应如何适应 AI 生成的难以理解的证明：像围棋高手那样转向研究 AI 结果来提升人类集体认知，并接受 AI 让数学知识民主化的未来。
普林斯顿的研究人员利用 AlphaZero 算法的自然语言类比，训练了一个 40 亿参数的 LLM，使其国际象棋水平达到 2700 Elo。通过架构与算法上的创新，该模型还能准确解释自己的每一步走法。作者表示，这项技术可推广至其他游戏、机器人以及计算机操作等领域。
Luke Salamone 将 Stockfish 的评估蒸馏为 39 亿个国际象棋局面，并在其中 10 亿个上训练了一个 ResNet-Transformer 混合价值网络，同时在 Hugging Face 上开源了 Gigafish 3.8B 局面价值数据集——据称这是迄今为止最大的开源国际象棋局面价值数据集。
研究人员提出一个国际象棋谜题基准数据集（包含 1,118 道 Lichess 题目），用于对冻结参数的大语言模型进行自动提示词优化；他们在八个模型上评估了六种 APO 算法，采用成本低廉、结果确定且可重复的评分方式，总成本约为 800 美元。
该论文提出了 **Queen**，一个拥有 4B 参数的国际象棋语言模型——它在达到特级大师水平对弈的同时，还能解释自己的走法。该模型采用一个静默专家式（silent-expert）的棋局编码器，通过交叉注意力（cross-attention）与经过指令微调的语言模型相融合，并引入了一种迭代式的 Bellman 风格知识蒸馏循环，最终提升了 900 多个 Elo 分数。
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。
一项系统映射研究，分析了人类、引擎和语言模型在国际象棋研究中的应用，以识别战略推理中的差距和未来方向。
已开发名为ChessInsights AI的浏览器扩展，使用100%客户端计算机视觉进行实时棋盘检测与分析，通过在本地处理所有数据确保隐私，无需服务器上传。
本文介绍了 LLAMIA-Bench 和一种称为潜在状态内化的方法，以增强语言模型与非语言代理之间的协作，表明内化连续表示优于口头化，并与前沿模型如 GPT-5.1 相匹配。
本文介绍了LLAMIA-Bench，一个用于语言模型和非语言代理之间协作棋类任务的基准，并提出了潜在状态内化方法以超越基于文本的表述，其中14B模型匹配或超越了如GPT-5.1等前沿模型。
Chess.com推出了Gambit，一个免费的在线扑克网站，强调学习和社交游戏，没有真钱赌博，并计划扩展到更多经典游戏。
本文利用离线强化学习自动生成高质量的国际象棋谜题，基于来自Chess.com和Lichess等平台的广泛用户数据，提升对初学者的教学价值。
chessformer_lens 的一个演示表明，消融国际象棋 transformer 中的一个注意力头，会导致模型停止识别 Morphy 的后牺牲，这展示了特定能力集中在单个注意力头中。
Otter是一个1530万参数的人类国际象棋AI，通过在马亚2的基础上增加对棋局历史和时间压力的条件化移动预测，以更少的参数实现了比Maia 2更高的准确性。它在来自Lichess对局的61亿个局面位置上训练，表明将国际象棋视为一种具有时间感知的序列活动可以改善对人类对弈的预测。
本文介绍了ACT-Eval，一个用于LLM国际象棋评论的工具增强评估框架，并发布了包含325个局面-走法对的基准数据集。研究发现，事实性幻觉在LLM国际象棋评论中仍然普遍存在，而工具增强能够提高事实正确性，但并未提升专家级战略覆盖度。
反思深蓝1997年战胜卡斯帕罗夫并未损害国际象棋，反而提高了人们对国际象棋的兴趣，并产生了更多职业棋手。
本视频构建了一个国际象棋模拟器，用谜题和锦标赛测试多个 LLM 的推理能力，结果显示 Gemini 3.1 夺冠，而开源模型与顶级闭源模型之间存在明显差距。
研究人员研究了强化学习（RL）与预训练质量之间的相互作用，表明预训练更强的模型从RL中获益更多，且RL无法完全弥补弱预训练的不足。还确定了预训练和后训练计算分配的联合缩放定律。