用受控评测任务检验语言围棋智能体能否识别 Atari 与评估 Sente

Recognizing Atari and Assessing Sente: Controlled Evaluation Tasks for Language-Based Go Agents

AI 导读

研究者构建了围绕围棋中 atari 与 sente 关系的受控评测集，考察局部棋盘变化下的术语识别与不同战略条件下的落子评估。经术语与解说监督微调后的围棋语言模型 LoGos 难以识别 atari 关系的变化并判断其战略含义，其术语预测还与落子偏好相关联，即使这些偏好与参考评估相矛盾。该测试框架可用于检验语言围棋智能体是否将领域术语与精确的棋盘关系和落子价值联系起来。

正文 · AI 翻译

查看 PDF HTML（实验性）

摘要：领域术语能够简洁地描述游戏状态和战略关系，但博弈语言模型能否准确识别这些概念并将其与着法评估联系起来，目前仍不清楚。我们围绕围棋中的 atari 及其与 sente 的关系构建了一个受控评估集，考察局部棋盘变化下的术语识别以及不同战略条件下的着法评估。我们在 LoGos 这一围棋语言模型上进行了测试，并先用术语和评论监督对其进行了微调。该模型难以识别 atari 关系的变化并评估其战略含义。即使其术语预测与参考评估相矛盾，这些预测仍与着法偏好相关联。我们的受控测试提供了一个框架，用于考察基于语言的围棋智能体能否将领域术语与精确的棋盘关系和战略着法价值联系起来。

评论：	7 页，2 幅图，5 张表。前两位作者贡献相同
主题：	计算与语言（cs.CL）
引用为：	arXiv:2610.22953 [cs.CL]
	（或 arXiv:2610.22953v1 [cs.CL] 用于此版本）
	https://doi.org/10.48550/arXiv.2610.22953 由 DataCite 颁发的 arXiv DOI（待注册）

提交历史

来自：Iskar Deng [查看邮箱]
[v1] 2026 年 10 月 16 日星期五 05:23:01 UTC（2,956 KB）

来源：arXiv cs.CL · arxiv.org