4B参数模型也能下棋并解释：Queen如何把引擎能力交给语言模型

导语

传统棋类引擎擅长计算和决策，却通常只能给出着法、分数或变化线，难以回答“为什么这样走”。语言模型则很会组织解释，但在真实棋局中的水平往往不足，生成的理由也可能只是事后合理化。论文《Language Models that Play Chess and Explain Their Moves》提出的Queen，试图把两类能力放进同一个系统：既依靠专业棋类表示做出高水平决策，也用语言模型说明当前计划。

核心方法

Queen并不是单纯让通用语言模型阅读棋谱，而是采用由棋类编码器和指令微调语言模型组成的编码器—解码器架构。前者可以看作“沉默的专家”，负责提炼棋盘局面中的结构信息；后者通过交叉注意力读取这些表示，并把它们转换成用户可理解的概念、计划和着法说明。

训练过程首先使用问答课程，引导语言模型从专家编码器的内部表示中提取棋类知识。这样做的重点不只是模仿最终着法，而是建立局面特征与自然语言概念之间的连接，例如解释某个候选着法如何影响攻守关系、子力活动或后续计划。素材没有给出完整的问答样例，因此这里更适合将其理解为一种知识对齐机制，而不是固定的解释模板。

研究团队还设计了迭代蒸馏流程。模型会先考虑若干顶级候选着法，再分析每个候选着法之后的局面，最后把这些比较结果整合成对当前局面的说明。这个过程被论文称为自然语言版本的Bellman更新：未来局面的分析结果被汇总为当前决策的解释，并进一步蒸馏回模型。经过七轮迭代，Queen的棋力从1782 Elo提升到2697，增幅超过900分。

结果与解读

论文称，Queen在棋力和谜题准确率上超过了参与比较的前沿模型；在仅有40亿参数的情况下，其表现被描述为接近典型特级大师水平。解释质量则通过语言模型评估，结果显示其流畅性较好，连贯性接近GPT-5.6-Sol的“高”档评价。需要注意的是，这些结论来自论文摘要，摘要没有列出完整的对手、测试设置、谜题数据集或人工评测细节，因此不宜把单一Elo数字直接等同于所有比赛环境中的稳定实力。

意义与影响

Queen的价值不只在于下棋。它展示了一条更普遍的路线：当某个领域已经存在擅长决策、但缺少语言接口的专家编码器时，可以通过交叉注意力和迭代蒸馏，把内部能力转化为可交流的推理过程。类似思路理论上还可延伸到机器人控制、计算机操作等场景。

不过，“能解释”并不自动意味着解释完全忠实地反映了模型的真实决策过程。后续仍需要更透明的实验，检验语言说明是否确实对应编码器使用的关键信息，以及模型在不同棋力、棋局类型和提示方式下是否稳定。Queen更像是一项架构与训练方法的展示：它说明语言输出与专业决策能力可以被联合优化，但距离通用、可验证的专家解释器仍有进一步研究空间。

来源：Hugging Face Daily Papers