2025_NIPS_ChessGPT: Bridging Policy Learning and Language Modeling

文章核心总结与创新点

主要内容

本文聚焦政策学习与语言建模的融合，以国际象棋为测试平台，构建了涵盖游戏、语言、混合、对话四类数据的大规模数据集，提出ChessCLIP和ChessGPT两款模型，并设计了包含建模能力、价值判断、策略能力的三维评估框架，验证了模型在国际象棋相关任务中的有效性。

创新点

1. 首次系统性融合历史政策数据与自然语言知识，解决了此前研究仅侧重单一数据来源的问题。
2. 构建了42.3GB、2810万条记录的多类型国际象棋数据集，覆盖人类/引擎对局、棋类知识文本、棋谱-语言配对数据等，为跨模态学习提供丰富素材。
3. 提出ChessCLIP（对比学习实现政策与语言模态对齐）和ChessGPT（基于因果语言建模的策略学习），实现棋谱检索、一步杀预测、棋谱格式转换等多样化任务。
4. 设计全面的评估框架，从状态跟踪、价值判断、策略生成三个维度量化模型能力，为该领域研究提供统一基准。

---

核心部分翻译（Markdown格式）

Abstract

在解决决策类任务时，人类通常依赖两大关键信息来源：（1）历史政策数据，提供来自环境的交互回放；（2）自然语言形式的分析洞察，揭示宝贵的思维过程或策略考量。尽管如此，大多数先前的研究仅聚焦于其中一种来源：它们要么完全使用历史回放直接学习政策或价值函数，要么仅利用语言语料库进行语言模型训练。在本文中，我们认为强大的自主智能体应同时涵盖