ChessGPT: ポリシー学習と言語モデリングの架け橋

要旨

意思決定タスクを解決する際、人間は通常2つの主要な情報源に依存します。(1) 環境からのインタラクションのリプレイを提供する過去のポリシーデータ、(2) 貴重な思考プロセスや戦略的考察を明らかにする自然言語形式の分析的洞察です。しかしながら、これまでの研究の大半は1つの情報源にのみ焦点を当てています。つまり、ポリシーや価値関数を直接学習するために過去のリプレイデータのみを使用するか、あるいは言語コーパスだけを利用して言語モデルのトレーニングを行うかのいずれかです。本論文では、強力な自律エージェントはこれら両方の情報源をカバーすべきであると主張します。そこで、チェスゲームにおけるこれら2つの情報源のデータを統合することで、ポリシー学習と言語モデリングを橋渡しするGPTモデルであるChessGPTを提案します。具体的には、チェスに関連する大規模なゲームと言語データセットを構築します。このデータセットを活用して、ポリシー学習と言語モデリングを統合した2つのモデル例、ChessCLIPとChessGPTを紹介します。最後に、言語モデルのチェス能力を評価するための完全な評価フレームワークを提案します。実験結果は、私たちのモデルとデータセットの有効性を検証します。コード、モデル、データセットをhttps://github.com/waterhorse1/ChessGPTでオープンソースとして公開しています。

English

When solving decision-making tasks, humans typically depend on information from two key sources: (1) Historical policy data, which provides interaction replay from the environment, and (2) Analytical insights in natural language form, exposing the invaluable thought process or strategic considerations. Despite this, the majority of preceding research focuses on only one source: they either use historical replay exclusively to directly learn policy or value functions, or engaged in language model training utilizing mere language corpus. In this paper, we argue that a powerful autonomous agent should cover both sources. Thus, we propose ChessGPT, a GPT model bridging policy learning and language modeling by integrating data from these two sources in Chess games. Specifically, we build a large-scale game and language dataset related to chess. Leveraging the dataset, we showcase two model examples ChessCLIP and ChessGPT, integrating policy learning and language modeling. Finally, we propose a full evaluation framework for evaluating language model's chess ability. Experimental results validate our model and dataset's effectiveness. We open source our code, model, and dataset at https://github.com/waterhorse1/ChessGPT.

ChessGPT: ポリシー学習と言語モデリングの架け橋

ChessGPT: Bridging Policy Learning and Language Modeling

要旨

Support