ChessGPT: Соединение обучения стратегий и языкового моделирования

ChessGPT: Bridging Policy Learning and Language Modeling

June 15, 2023

Авторы: Xidong Feng, Yicheng Luo, Ziyan Wang, Hongrui Tang, Mengyue Yang, Kun Shao, David Mguni, Yali Du, Jun Wang

cs.AI

Аннотация

При решении задач принятия решений люди обычно полагаются на информацию из двух ключевых источников: (1) исторические данные о политиках, которые предоставляют воспроизведение взаимодействий с окружающей средой, и (2) аналитические инсайты в форме естественного языка, раскрывающие ценный мыслительный процесс или стратегические соображения. Несмотря на это, большинство предыдущих исследований сосредоточено только на одном источнике: либо исключительно на историческом воспроизведении для прямого обучения политикам или функциям ценности, либо на обучении языковых моделей с использованием только языковых корпусов. В данной статье мы утверждаем, что мощный автономный агент должен охватывать оба источника. Таким образом, мы предлагаем ChessGPT, модель GPT, которая объединяет обучение политикам и языковое моделирование, интегрируя данные из этих двух источников в шахматных играх. В частности, мы создаем крупномасштабный набор данных, связанных с шахматами и языком. Используя этот набор данных, мы демонстрируем две модели: ChessCLIP и ChessGPT, интегрирующие обучение политикам и языковое моделирование. Наконец, мы предлагаем полную оценочную структуру для оценки шахматных способностей языковой модели. Экспериментальные результаты подтверждают эффективность нашей модели и набора данных. Мы открываем исходный код, модель и набор данных на https://github.com/waterhorse1/ChessGPT.

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.