用自然语言解释国际象棋和围棋

arXiv:2610.23166v1 公告类型：cross 摘要：现代国际象棋引擎的棋力远超人类，所选择的着法背后的思路往往难以为人类理解。我们提出了一种基于国际象棋引擎评估的自动化指标，用于评估国际象棋解说。我们使用该指标评估最先进的语言模型，发现它们的表现出人意料地差，往往依赖对棋盘表面的观察，而不是稳健且可迁移的国际象棋概念。随后，我们提出无需训练的 BinProp 方法，使这些模型能够发现可复用的国际象棋概念，并用自然语言解释着法。BinProp 提升了所有受测模型的可解释性，与直接提示相比，平均得分接近提升至三倍。除国际象棋外，该方法无需额外调优，也能在围棋、国际跳棋和将棋中发现有用的概念。