普林斯顿训练4B模型国际象棋达2700 Elo

2026年10月6日，AGI Hunt 报道，普林斯顿研究者训练出一个仅 4B 参数的大语言模型，在国际象棋上达到 2700 Elo，且报道称停止训练时该模型仍未出现平台期迹象。该模型还能准确解释自己的走法。研究者表示，这一训练技术可推广到其他游戏、机器人操作和 computer use 等序列决策任务，显示小模型在强化学习式训练下超越其直觉能力的潜力。目前公开信息集中在训练所达到的水平与方法可迁移性上，尚无更多训练细节披露。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。