六个语言模型学下国际象棋实验数据

机器学习
0 下载
12 浏览
2026-10-15

数据集简介

实验设计与六个模型

本项目记录六个语言模型在不下棋权重的前提下学习国际象棋的过程。模型权重未被训练或修改,学习完全依赖模型在自身笔记、练习会话与对固定 Stockfish 对手的对局中积累的经验。仓库中的实验框架、溯源材料与分析脚本共同支撑这一设计,方便研究者检查每个模型的行为路径。

仓库目录与文件组织

仓库按功能划分目录,主要入口与结构如下:

  • data/games.csv:棋局账本,适合用表格软件直接查看;
  • data/index.json:数据总览索引;
  • data/traces/:导出的对话与工具调用记录;
  • harness/:实验框架;
  • provenance/:溯源材料;
  • analysis/:分析脚本;
  • website/:站点相关文件;
  • DATA.md、manifest.json、run-metadata.example.json:数据说明、清单与运行元数据示例。

棋谱以 PGN 格式保存,表格数据为 CSV,索引与元数据为 JSON,笔记与说明为 Markdown,分析脚本为 Python。

数据规模与内容构成

数据集覆盖六次运行产生的多类记录:

内容类型 数量
计分基准对局 807 局
正面对局 30 局
练习会话 367 次
未完成基准 2 个
工作区快照 1,324 份
导出记录(八个 trace) 551,684 条

导出的对话与工具调用记录分布在八个 trace 中,覆盖模型在实验期间的交互过程。

查看与核对数据

建议从 data/games.csv 开始,用电子表格查看对局记录;若需要整体概览,可打开 data/index.json 浏览数据结构与索引关系。DATA.md 与 manifest.json 提供字段说明与文件清单,run-metadata.example.json 展示运行元数据的组织方式。

复现实验与换用其他模型

实验框架位于 harness/,溯源材料与第三方声明分别保存在 provenance/ 和 NOTICE.md。研究者可参照框架与运行元数据示例,用另一个模型重复整套实验流程;分析脚本位于 analysis/,可用于复算指标。

许可与使用说明

数据以 CC0 发布,项目代码以 GPLv3 发布;第三方声明保留在 NOTICE.md 中。仓库为 GitHub 公开仓库,可通过 git clone 或页面下载获取。

引用与来源

项目名称为 Models Learning Chess,作者为 petergpt。站点截图拍摄于 2026 年 10 月 15 日。

基本信息

记录数量807 局计分基准对局、30 局正面对局、367 次练习会话、2 个未完成基准、1,324 份工作区快照;八个 trace 共 551,684 条导出记录
文件大小未知
文件格式CSV、JSON、PGN、Markdown、Python
数据来源petergpt
数据许可CC0
代码许可GPLv3
数据规模807 局计分基准对局等
数据落地页https://github.com/petergpt/models-learning-chess
发布日期2026-10-15
国际象棋语言模型基准评测实验复现对话日志棋谱

上架信息

数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载

价格

免费