Resource-constrained Amazons chess decision framework integrating large language models and graph attention
作者: Tianhao Qian, Zhuoxuan Li, Jinde Cao, Xinli Shi, Hanjie Liu, Leszek Rutkowski
分类: cs.AI, cs.LG, cs.NE
发布日期: 2026-03-11
备注: 20 pages, 15 figures. Supported by the National Key Research and Development Project of China (No. 2020YFA0714300), NSFC (No. 61833005, 12061088), the Open Project of Key Laboratory of Transport Industry of Comprehensive Transportation Theory (Nanjing Modern Multimodal Transportation Laboratory) (MTF2023004), and the China Postdoctoral Science Foundation (2024T170129, GZC20240261)
💡 一句话要点
提出结合大语言模型和图注意力网络的资源受限Amazons棋决策框架
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: Amazons棋 图神经网络 大型语言模型 蒙特卡洛树搜索 资源受限 弱监督学习 图注意力网络
📋 核心要点
- 传统深度学习方法依赖大量数据和计算资源，在资源受限环境中面临挑战。
- 该论文提出一种混合框架，结合图学习的结构推理和大型语言模型的生成能力，实现弱监督学习。
- 实验表明，该框架在Amazons棋中显著优于基线模型和教师模型，验证了其有效性。
📝 摘要（中文）
本文提出了一种轻量级的混合框架，用于解决资源受限环境下的Amazons棋问题。该框架结合了基于图的学习的结构推理能力和大型语言模型的生成能力，探索了从弱到强的泛化范式。具体而言，我们利用图注意力自编码器来指导多步蒙特卡洛树搜索，使用随机图遗传算法来优化评估信号，并利用GPT-4o-mini生成合成训练数据。与依赖专家演示的传统方法不同，我们的框架从噪声和不完美的监督中学习。实验表明，图注意力机制有效地充当了结构过滤器，对LLM的输出进行去噪。在10×10的Amazons棋盘上的实验表明，我们的混合方法不仅在决策准确率上比基线提高了15%--56%，而且显著优于其教师模型（GPT-4o-mini），在N=30个节点时达到了45.0%的竞争性胜率，在N=50个节点时达到了66.5%的决定性胜率。这些结果验证了在严格的计算约束下，从通用基础模型演化出专门的、高性能的游戏AI的可行性。
🔬 方法详解
问题定义：论文旨在解决资源受限环境下，如何利用有限的计算资源和数据，训练出高性能的Amazons棋AI。现有方法，特别是深度学习方法，通常需要大量的专家数据和强大的计算能力，这在资源受限的环境中是不可行的。因此，如何利用少量数据和有限的计算资源，实现高效的决策是本研究要解决的核心问题。
核心思路：论文的核心思路是结合大型语言模型（LLM）的生成能力和图神经网络（GNN）的结构推理能力，实现从弱到强的泛化。LLM可以生成大量的合成数据，但这些数据可能存在噪声。GNN可以对棋局的结构信息进行编码，并作为过滤器，对LLM生成的噪声数据进行去噪，从而提高训练数据的质量。
技术框架：整体框架包含以下几个主要模块：1) 图注意力自编码器（Graph Attention Autoencoder）：用于学习棋局的结构化表示，并对LLM生成的棋局进行编码和解码，起到降噪的作用。2) 多步蒙特卡洛树搜索（Multi-step Monte Carlo Tree Search）：利用图注意力自编码器提供的评估信息，进行多步搜索，选择最优的下一步行动。3) 随机图遗传算法（Stochastic Graph Genetic Algorithm）：用于优化评估信号，提高搜索的效率和准确性。4) GPT-4o-mini：作为教师模型，生成合成训练数据。
关键创新：最重要的技术创新点在于将图注意力网络作为结构过滤器，对LLM生成的噪声数据进行去噪。与传统的依赖专家数据的训练方法不同，该方法可以从噪声和不完美的监督中学习，从而降低了对数据的需求。此外，利用随机图遗传算法优化评估信号，进一步提高了搜索的效率和准确性。
关键设计：图注意力自编码器的网络结构包括图注意力层和自编码器结构，用于学习棋局的结构化表示。损失函数包括重构损失和分类损失，用于优化自编码器的性能。蒙特卡洛树搜索的搜索策略采用UCT算法，并结合图注意力自编码器提供的评估信息。随机图遗传算法的适应度函数基于蒙特卡洛树搜索的胜率，用于优化评估信号。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该混合框架在10×10的Amazons棋盘上，决策准确率比基线提高了15%-56%，并且显著优于其教师模型GPT-4o-mini。在N=30个节点时，达到了45.0%的竞争性胜率，在N=50个节点时达到了66.5%的决定性胜率。这些结果验证了该框架在资源受限环境下的有效性和优越性。
🎯 应用场景
该研究成果可应用于资源受限环境下的决策问题，例如移动机器人、边缘计算设备等。通过结合大型语言模型的生成能力和图神经网络的结构推理能力，可以降低对数据和计算资源的需求，实现高效的决策。此外，该方法还可以推广到其他棋类游戏和战略规划问题中，具有广泛的应用前景。
📄 摘要（原文）
Artificial intelligence has advanced significantly through the development of intelligent game-playing systems, providing rigorous testbeds for decision-making, strategic planning, and adaptive learning. However, resource-constrained environments pose critical challenges, as conventional deep learning methods heavily rely on extensive datasets and computational resources. In this paper, we propose a lightweight hybrid framework for the Game of the Amazons, which explores the paradigm of weak-to-strong generalization by integrating the structural reasoning of graph-based learning with the generative capabilities of large language models. Specifically, we leverage a Graph Attention Autoencoder to inform a multi-step Monte Carlo Tree Search, utilize a Stochastic Graph Genetic Algorithm to optimize evaluation signals, and harness GPT-4o-mini to generate synthetic training data. Unlike traditional approaches that rely on expert demonstrations, our framework learns from noisy and imperfect supervision. We demonstrate that the Graph Attention mechanism effectively functions as a structural filter, denoising the LLM's outputs. Experiments on a 10$\times$10 Amazons board show that our hybrid approach not only achieves a 15\%--56\% improvement in decision accuracy over baselines but also significantly outperforms its teacher model (GPT-4o-mini), achieving a competitive win rate of 45.0\% at N=30 nodes and a decisive 66.5\% at only N=50 nodes. These results verify the feasibility of evolving specialized, high-performance game AI from general-purpose foundation models under stringent computational constraints.