/ Модель

Характеристики

Лицензия
MIT
Библиотека
pytorch
Опубликована
14 июл 2026

humanchess-1250-1350-blitz-checkmates

Обучение с подкреплением

Сверточная шахматная policy-модель, имитирующая ходы игроков рейтинга 1250–1350 в блиц-партиях Lichess.

6скачиваний за 30 дней0лайковвеса обновлены14 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

HumanChess 1250-1350 Blitz Checkmates — сверточная policy-модель, разработанная авторами HumanChess и обученная методом имитационного обучения на блиц-партиях Lichess игроков с рейтингом 1250–1350, завершившихся матом. Модель предсказывает ход человека по позиции на шахматной доске; она не использует поиск ходов и не содержит value-head.

Архитектура — CNN с 128 каналами и шестью остаточными блоками. На вход подаётся тензор доски размером 19 × 8 × 8, на выходе — логиты фиксированного словаря ходов, которые при инференсе маскируются по легальности. Выпущены чекпойнт PyTorch FP32 примерно на 525 МБ с состоянием оптимизатора и метаданными обучения, а также отдельная статически квантованная INT8-модель TorchScript примерно на 44 МБ для инференса на x86 CPU. Валидационная точность top-1 составила 46,78%; на выборке сравнения INT8 показала 45,70% против 45,95% у FP32.

Модель подходит для предсказания характерных ходов игроков близкого рейтинга и изучения политики ходов на партиях указанного типа. Узкая область обучающих данных ограничивает переносимость на другие уровни игры и контроль времени; отсутствие поиска и оценки позиции не позволяет считать её полноценным шахматным движком. Лицензия — MIT.

Сценарии применения

  • предсказание хода игрока по позиции на шахматной доске
  • имитация стиля ходов шахматистов рейтинга 1250–1350
  • эксперименты с обучением шахматной политики на партиях, завершившихся матом

Ограничения

Модель не выполняет поиск ходов и не оценивает позицию; обучающие данные охватывают только блиц-партии игроков рейтинга 1250–1350, завершившиеся матом. INT8-артефакт рассчитан на x86 CPU, а результаты рейтинговых матчей не задают абсолютный рейтинг игры.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

HumanChess 1250-1350 Blitz Checkmates

HumanChess 1250-1350 Blitz Checkmates is a human-move policy model trained by imitation on Lichess blitz games where both players were rated 1250-1350. The dataset contains complete games ending in checkmate. This is a policy-only network without search or a value head.

This release contains the epoch-5 FP32 PyTorch training checkpoint and a standalone, statically quantized INT8 TorchScript model for x86 CPU inference.

Files

FileFormatUse
checkpoints/cnn-128x6-1250-1350-blitz-checkmates-epoch005.ptPyTorch FP32 checkpointModel, optimizer, and training metadata
artifacts/cnn-128x6-1250-1350-blitz-checkmates-epoch005-int8.tsINT8 TorchScriptCompact x86 CPU inference model

The FP32 training checkpoint is approximately 525 MB, including optimizer state. The standalone INT8 artifact is approximately 44 MB.

Architecture

  • CNN policy network with 128 channels and 6 residual blocks
  • Input: 19 x 8 x 8 board tensor
  • Output: fixed move-vocabulary logits, masked to legal moves at inference
  • Saved epoch: 5

Validation

Full epoch-5 validation metrics:

MetricValue
NLL1.7104
Perplexity5.531
Top-1 accuracy46.78%
Top-3 accuracy74.73%
Top-5 accuracy84.91%

INT8 quantization

On an 8,192-position comparison sample:

MetricFP32INT8
NLL1.73521.7496
Top-1 accuracy45.95%45.70%
Top-3 accuracy74.19%73.90%
Top-5 accuracy84.36%84.27%

Raw-logit argmax agreement was 84.74%. In a color-balanced 100-game match at temperature 0.5 with the first six plies sampled, FP32 scored 51%: 44 wins, 42 losses, and 14 draws. The estimated FP32 advantage was 7 Elo with a 64-Elo error margin, making the playing-strength difference statistically indistinguishable from zero.

Inference

Load the FP32 checkpoint with the HumanChess UCI application:

human-chess-uci \
  --checkpoint checkpoints/cnn-128x6-1250-1350-blitz-checkmates-epoch005.pt \
  --device cpu

Load the standalone INT8 model with --torchscript:

human-chess-uci \
  --checkpoint artifacts/cnn-128x6-1250-1350-blitz-checkmates-epoch005-int8.ts \
  --torchscript \
  --device cpu

Tournament play used --temperature 0.5 --sample-plies 6.

Limitations

  • Policy-only: no search and no value evaluation.
  • Trained on a narrow rating and time-control distribution.
  • The INT8 artifact is intended for x86 CPU execution.
  • Tournament Elo differences are relative, not absolute human or engine ratings.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов
6c6b276

0 моделей