Otter:15.3M参数人类国际象棋AI,以时间感知与历史条件建模超越Maia 2
摘要:arXiv最新研究提出Otter,一个仅15.3M参数的人类国际象棋AI,通过将棋局建模为时间感知的序列过程,结合最近20步历史编码与时钟压力调节,在6.1B局面(来自1.17亿局Lichess快棋)上训练,以55.23% top-1和90.95% top-5的走法预测准确率超越此前最优的Maia 2,且参数和训练数据更少。该研究证明时间感知与序列建模能显著提升人类走法预测的准确性,为棋类AI与人类行为建模提供了新范式。代码、模型与训练日志已开源。
概述
arXiv 最新研究提出 Otter,一个仅 15.3M 参数的人类国际象棋 AI,通过将棋局建模为时间感知的序列过程,显著提升了人类走法预测的准确性。该模型在 6.1B 局面(来自 1.17 亿局 Lichess 快棋)上训练,以 55.23% top-1 和 90.95% top-5 的准确率超越此前最优的 Maia 2,且参数和训练数据更少。
核心技术
时间感知与历史条件建模
Otter 摒弃了传统“孤立局面”的建模方式,将棋局视为一个时间感知的序列过程,融合两种条件信号:
- 历史编码器:基于最近 20 步棋进行条件预测,捕捉开局偏好、局面漂移和局内行为倾向。
- 时间控制模块:根据时钟压力调节预测,模拟人类在时间紧张时的决策变化。
高效训练
- 数据规模:6.1B 局面,来自 117M 局 Lichess 快棋。
- 硬件:单张 T4 GPU,训练 30 天。
- 参数:仅 15.3M,远小于 Maia 2。
性能表现
- Top-1 准确率:55.23%,超越 Maia 2。
- Top-5 准确率:90.95%。
- Elo 分段:在 11 个 Elo 区间(<1100 至 >=2000)中,1900-1999 区间准确率最高,达 57.38%。
行业影响与开发者建议
- 研究意义:证明时间感知与序列建模在人类行为预测中的有效性,为棋类 AI 和更广泛的人类决策建模提供新思路。
- 开发者价值:模型轻量、训练高效,适合资源受限场景;代码与模型开源,便于复现与扩展。
- 应用方向:可用于棋类教学、AI 陪练、人类行为分析等领域。
开源与复现
Otter 的代码、训练模型和完整训练日志已公开,开发者可基于此进一步探索时间感知建模在棋类及其他序列决策任务中的应用。
原始报道出处:arXiv:2608.05206
—— 完 ——消息来源:ArXiv AI (cs.AI) (2026-08-07)
主题标签: #Otter #国际象棋AI #时间感知建模 #人类行为预测 #开源模型
编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。
社区整体评论区