Ori Press

国际象棋引擎能走出远超人类的着法，却说不清为什么这样走。一项研究先用引擎评估构造可检验的解释评分，发现八个语言模型直接作答时多依赖棋盘表面特征；随后给出免训练的 BinProp，让模型在胜负局面中反复提出并筛选二值棋理，再据此解释具体着法。国际象棋上八个模型的平均解释得分从直接提示的基线提升到接近三倍，同一套设置也用于围棋、跳棋和将棋。

国际象棋引擎能走出远超人类的着法，却说不清为什么这样走。一项研究先用引擎评估构造可检验的解释评分，发现八个语言模型直接作答时多依赖棋盘表面特征；随后给出免训练的 BinProp，让模型在胜负局面中反复提出并筛选二值棋理，再据此解释具体着法。国际象棋上八个模型的平均解释得分从直接提示的基线提升到接近三倍，同一套设置也用于围棋、跳棋和将棋。