Производная модели Ahmed007/chess-expert. Шахматная модель на residual CNN, которая выбирает ходы и оценивает позиции на основе партий гроссмейстеров.
0скачиваний за 30 дней0лайковвеса обновлены27 июл 2026
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Публичные оценки
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Что умеет модель
Описание составлено по карточке модели и метаданным Hugging Face
Карточка модели Ahmed007/chess-expert-v2 на Hugging Face совпадает с карточкой Ahmed007/chess-expert, поэтому описание составлено по ней.
Chess Expert — модель для игры в шахматы, обученная на партиях гроссмейстеров методом поведенческого клонирования. Она использует сверточную нейросеть с остаточными блоками (residual CNN), которая оценивает позицию и предлагает ход: policy head выбирает ход, а value head оценивает перспективность позиции. При необходимости модель может использовать неглубокий поиск вперёд, чтобы реже оставлять фигуры под боем.
Модель предназначена для выбора шахматных ходов и оценки позиций в игровом движке; заявлен режим инференса, рассчитанный на работу на CPU. В карточке указаны формат PyTorch и лицензия MIT. Сведений о размере модели, поддерживаемых естественных языках или длине контекста нет; они несущественны для игрового сценария.
Сценарии применения
выбор хода в шахматной партии
оценка перспективности шахматной позиции
игра против шахматного бота с инференсом на CPU
поиск тактических ходов с неглубоким просмотром вариантов
Ограничения
Неглубокий поиск ограничивает способность анализировать длинные варианты; качество игры и поддерживаемые режимы в README не оценены количественно.
Карточка модели
README от автора на Hugging Face, как он его опубликовал
A deep-learning chess model that learns from grandmaster games (behavioral
cloning, à la Maia). A residual CNN with a policy head (which move) and a
value head (how good the position is), plus an optional shallow look-ahead
search so it avoids hanging pieces.