Noticias sobre Chessformer

Esta investigación no solo mejora las habilidades de ajedrez, sino que redefine la estrategia de exploración después del aprendizaje por imitación: usar el propio MCTS de la red antes de guiar la exploración, en lugar de la entropía uniforme, permitiendo que el aprendizaje por refuerzo se centre en caminos prometedores juzgados a priori. El corolario es que se espera que los agentes sin búsqueda se deshagan de su dependencia de la búsqueda y el acercamiento de los docentes o incluso superen la fuerza de los docentes en una única propagación hacia adelante.