国际象棋引擎早就下得比人类好,但 Stockfish、LC0 这类引擎是"沉默的专家"——它告诉你最佳走法,不告诉你为什么。语言模型正好相反:解释起来头头是道,棋力却撑不起它的解说。普林斯顿团队最近发布的 Queen,试图把这两半拼起来:一个 4B 参数的棋类语言模型,一边以典型特级大师水准行棋,一边解释自己的走法和计划。
给"沉默专家"装上嘴
Queen 采用编码器-解码器架构,核心思路是把国际象棋界的"沉默专家"——LC0 引擎——作为编码器,通过交叉注意力接入一个指令微调语言模型。训练用了一套问答课程(question-answering curriculum),让语言模型学会从编码器的表征里"读出"棋类概念。这相当于让会说话的模型旁听一位大师的内心独白,再用自己的话复述出来。
自然语言版的 Bellman 更新
真正让棋力起飞的是迭代自蒸馏。团队设计了一个强化学习中 Bellman 更新的自然语言类比:模型先分析自己候选走法落子后的局面,把这些分析归纳成对当前局面的解释,再把解释蒸馏回模型自身。七轮迭代下来,Elo 从 1782 涨到 2697,提升超过 900 分。按论文自报,它的棋力和解题精度超过了所有前沿大模型,而参数量比对手少三个数量级;在基于 LM 的评测里,它的解释连贯度接近 GPT-5.6-Sol(high 档)。注意这些对比数字都来自作者自己的评测,尚无第三方复现。
开源了,但还毛糙
代码以 Apache 2.0 协议开源于 GitHub,模型放在 Hugging Face 的 princeton-nlp 集合里。不过 README 自己承认"扩展文档和清理后的代码即将发布",仓库目前只有 5 个 commit,GPU 推理依赖的 vLLM 组合"仍在验证中"——想立刻上手复现的人要有心理准备。
所以呢
这篇论文真正值得记的不是下棋,是一个配方:凡是存在"沉默专家编码器"的领域——游戏、机器人、电脑操作——都可以用"专家表征 + 交叉注意力 + 迭代自蒸馏"给语言模型装上领域推理能力。4B 模型在垂直领域打赢参数量大三个数量级的通用模型,这条路如果跑通,很多场景就不必干等更大的通用模型了。
参考:arXiv:2610.03695(https://arxiv.org/abs/2610.03695);代码仓库 github.com/queen-project/queen