MoveMentor
Lade...
DOI der Originalpublikation
Zugehörige Forschungsdaten
Projekttyp
angewandte Forschung
Projektbeginn
01.07.2025
Projektende
30.06.2026
Projektstatus
abgeschlossen
Projektkontakt
Projektmanager:in
Mitarbeitende
Beschreibung
Zusammenfassung
Modern day neural chess engines such as AlphaZero are trained via self-play to beat the most elite of human chess players, however, their decision making processes are completely opaque to us. In this project, we used CLIP as well as model distillation techniques to extract natural language explanations from highly performant Chess engines.
Link
Während FHNW Zugehörigkeit erstellt
Ja
Zukunftsfelder FHNW
Hochschule
Hochschule für Informatik FHNW
Institut
Institut für Data Science
Finanziert durch
Hasler Stiftung
Projektpartner
ChessLine
Auftraggeberschaft
SAP Referenz
I336-0051-2
Schlagwörter
Chess
CLIP
Explainable AI
Model distillation
Reinforcement learning
CLIP
Explainable AI
Model distillation
Reinforcement learning