用自然语言解释国际象棋与围棋：BinProp 让语言模型发现可复用棋类概念

Explaining Chess and Go in Natural Language

AI 导读

研究提出一种基于棋类引擎评估的自动指标，用于衡量语言模型对国际象棋走法的解释质量，发现当前最先进模型表现意外地差，常依赖表层棋盘观察而非可迁移的棋类概念。为此提出免训练的 BinProp 方法，让同一批模型自行发现可复用的棋类概念并用自然语言解释走法，所有被测模型的平均得分接近提升至直接提示的 3 倍。该方法无需额外调优即可在围棋、跳棋和将棋中发现有用概念。

正文 · AI 翻译

查看 PDF HTML（实验性）

摘要：现代国际象棋引擎的棋力远超人类，它们往往选择人类难以理解其内在思路的着法。我们提出一种基于国际象棋引擎评估的自动指标，用于评估国际象棋解释。使用该指标评估最先进的语言模型，我们发现它们的表现出奇地差，往往依赖表面的棋盘观察，而非稳健、可迁移的国际象棋概念。随后我们引入 BinProp，这是一种无需训练的方法，能让这些模型发现可复用的国际象棋概念，并用自然语言解释着法。BinProp 改善了所有受测模型的可解释性，与直接提示相比平均得分几乎提高了两倍。在国际象棋之外，同一方法无需额外调优即可在围棋、国际跳棋和将棋中发现有用的概念。

学科：	计算与语言（cs.CL）；人工智能（cs.AI）；机器学习（cs.LG）
引用为：	arXiv:2610.23166 [cs.CL]
	（或 arXiv:2610.23166v1 [cs.CL] 用于此版本）
	https://doi.org/10.48550/arXiv.2610.23166 由 DataCite 颁发的 arXiv DOI（待注册）

提交历史

来自：Ori Press [查看邮箱]
[v1] 2026年10月16日星期五 09:05:17 UTC（9,480 KB）

来源：arXiv cs.CL · arxiv.org