Leela Chess Zero
PulseAugur coverage of Leela Chess Zero — every cluster mentioning Leela Chess Zero across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的探索方法提升无搜索象棋AI实力
研究人员开发了一种名为先验引导探索的新方法，用于无搜索象棋引擎，旨在提高其超越简单模仿更强玩家的表现。该技术用前向Kullback-Leibler散度取代了标准的熵奖励，该散度将探索引导至网络自身搜索先验所识别的有希望的走法。该方法还结合了基于结果不确定性的自适应采样温度，从而提高了自我对弈强化学习中的战术准确性和博弈能力。
-
llama.cpp PR 缓存 MoE 专家以加速本地 AI 推理 · 跟踪 4 个来源
llama.cpp 的一项新拉取请求引入了一种在 GPU 上缓存常用专家混合（MoE）层的方法，通过将 Qwen3.6-35B-A3B 等模型在显存有限的消费级硬件上的推理速度最高提升 2 倍。然而，这种优化并非普遍适用，由于开销原因，在某些情况下甚至可能降低性能。同时，llama.cpp 还迎来了其他更新，包括增强了对 Intel GPU 的 SYCL 支持，改进了 iGPU 和 WebGPU F16 性能，并为聊天模型引入了工具调…
-
国际象棋AI内部解决谜题，但优先考虑安全而非最优走法
研究人员发现，一个复杂的神经网络Leela Chess Zero，虽然能够内部计算出国际象棋谜题的正确解法，但最终会覆盖这些解法，转而选择更安全、不那么激进的走法。这种被称为“遗忘的谜题”的现象表明，神经网络中存在算法并不保证其行为输出。研究发现，虽然网络的“前瞻性搜索”能力能够正确识别最优走法，但后续层级优先考虑防御性策略，导致最终输出不正确。通过干预以抵消这种偏好，研究人员能够恢复相当一部分这些“遗忘的谜题”。
-
新的UniMaia框架支持语言控制国际象棋AI
研究人员开发了UniMaia框架，该框架允许使用自然语言提示来控制一个冻结的、基于Lc0的国际象棋策略网络。这种方法实现了对弈的语义控制，例如选择开局或调整玩家强度，而无需进行大量的多模态训练。UniMaia-Aux变体通过结合时间条件和行为预测目标，进一步提高了性能，展示了一种可行的、用于领域特定网络进行提示条件控制的方法。