自定义棋子与异形棋盘的国际象棋AI局势评估算法问询

原方案的核心缺陷 #

• 二进制编码的信息效率极低：将自定义棋子行为和棋盘布局转为二进制字符串，会导致输入维度随棋盘大小、棋子复杂度指数级增长，MLP无法有效提取结构化特征——比如棋子的空间位置关系、移动规则的逻辑关联都会被打散成无意义的二进制位，模型难以学到合理的局势评估逻辑。
• 损失函数设计忽略过程合理性：仅以最终胜负作为监督信号，要求白胜对局中多数时刻评估为正，会误导模型：比如白方曾陷入极大劣势但靠对手失误逆转，模型仍会给劣势步打高分，无法区分“真实优势”和“偶然获胜”，导致评估结果失真。
• 随机噪声无法解决核心问题：同一对局加噪声重复对弈，只能增加数据量，但无法弥补评估函数与对局过程脱节的本质问题，反而可能引入无意义的波动，延缓模型收敛，甚至让模型学到错误的噪声关联。
• MLP不适配棋盘类任务：全连接的MLP缺乏对空间结构的建模能力，无法捕捉异形棋盘的有效区域边界、棋子移动的路径依赖这类关键空间特征，对于自定义棋子的组合联动也难以建模。

可行的替代思路 #

1. 采用结构化特征编码 #

• 棋盘布局：用多维张量表示，每个格子包含「是否有棋子、所属阵营、棋子ID、自定义行为特征向量」，异形棋盘用掩码标记有效格子，过滤无效区域的干扰；
• 自定义棋子行为：将移动规则、特殊能力（如融合、跳步）编码为固定维度的特征向量（比如移动方向集合、是否越子、特殊触发条件），保留行为的逻辑结构，避免二进制编码的信息丢失。

2. 替换为CNN+Transformer混合模型 #

• 用CNN提取局部空间特征：捕捉相邻棋子的攻防关系、局部区域的控制情况，针对异形棋盘可使用动态卷积，自适应调整感受野覆盖有效区域；
• 用Transformer捕捉全局依赖：处理远端棋子的牵制、自定义棋子的组合联动等长距离局势影响，适配复杂规则下的全局评估需求。

3. 改进训练目标与损失函数 #

• 多任务联合训练：同时优化价值损失（用每一步的后续终局结果作为标签，加入时间折扣因子，越接近终局的步权重越高）和策略损失（用蒙特卡洛树搜索（MCTS）采样的最优走法作为监督，让模型同时学会评估局势和预测最优走法）；
• 加入波动惩罚项：对评估值与后续几步评估值差异过大的非关键步骤施加惩罚，约束模型输出稳定、符合逻辑的评估结果。

4. 预训练+微调动规则适配 #

• 先在标准国际象棋规则下预训练模型，学习通用的棋局评估逻辑；
• 当用户自定义棋子或异形棋盘时，用少量自定义规则下的自我对弈数据微调模型，快速适配新规则，大幅降低训练成本。

5. 用MCTS替代单纯Minimax #

• 将训练好的价值模型作为MCTS的价值网络，结合策略网络预测走法概率，通过模拟对局扩展搜索树；
• MCTS能更好应对自定义规则和异形棋盘的复杂性，同时模拟过程中产生的大量高质量对局数据，可进一步迭代优化模型。

内容的提问来源于stack exchange，提问作者Jakub Skop