CHSM8:遵循自然语言风格提示的国际象棋 Transformer
CHSM8 是一个 210M 参数的国际象棋 Transformer,可以根据“西西里防御”或“稳健保守”等自由文本风格描述来选择走法。在未使用搜索的前提下,它对强度受限的 Stockfish 达到 1837 Elo,并经监督微调与 DPO 提升了风格遵循度,例如早期换后比例从 53% 提升到 67%。论文同时公开了权重、带训练标签的数据集、提示词、配置和推理代码。
推荐理由:论文公开了权重、数据集、提示词与代码,并记录了失败的消融实验,便于复现和借鉴其训练流程。