XQSV: A Structurally Variable Network to Imitate Human Play in Xiangqi

本文介绍了一种创新的深度学习架构，称为象棋结构可变（XQSV），旨在模拟中国象棋中人类玩家的行为模式。XQSV的独特属性在于其能够动态地改变其结构配置，根据它所训练的特定数据子集优化任务的性能。我们已经加入了几个设计改进，显著提高了网络的预测精度，包括本地非法移动过滤器、Elo范围分区、顺序一维输入和模拟不完美记忆容量。实证评估表明，XQSV实现了约40%的预测精度，其性能在训练的Elo范围内达到峰值。这表明该模型成功地模仿了该特定范围内个体的游戏行为。采用了三端图灵测试来证明XQSV模型比传统的象棋引擎更准确地模仿人类行为，使其与实际的人类对手无法区分。鉴于人类游戏中固有的非确定性，我们提出了两个补充的放松评估指标。据我们所知，XQSV是第一个模仿中国象棋玩家的模型。

XQSV论文的问题是如何模拟中国象棋中人类玩家的行为模式。这是否是一个新问题？

XQSV的关键思路是通过动态改变结构配置来优化性能，包括本地非法移动过滤器、Elo范围分区、顺序一维输入和模拟不完美的记忆能力等设计改进，以显着提高网络的预测准确性。

论文使用了三终端图灵测试来证明XQSV模型比传统象棋引擎更准确地模拟人类行为，实验结果表明XQSV在训练的Elo范围内达到了约40%的预测准确率。

最近在这个领域中，还有一些相关的研究，如DeepMind的AlphaZero和Leela Chess Zero等。