LLMChess ist ein Open-Source-Projekt, das es ermöglicht, Schach gegen Large Language Models (LLMs) zu spielen. Derzeit unterstützt es nur die OpenAI-Text Completion-API und wurde nur auf GPT-3.5-turbo-instruct getestet.
Das Projekt verwendet die OpenAI-Text Completion-API, um den nächsten Zug vorherzusagen. Dazu wird der gesamte Spielzustand als PGN übergeben, und das Modell gibt den nächsten Zug zurück. Zum Beispiel kann man das Modell mit einem Sicilian-Öffnungszug wie [White "Garry Kasparov"] [Black "Magnus Carlsen"] [Result "1/2-1/2"] [WhiteElo "2800"] [BlackElo "2800"] 1. e4 c5 2. auffordern, und wenn es Nf3 vorhersagt, sollte der Engine den Zug Nf3 zurückgeben.
Das Projekt hat minimale Abhängigkeiten: nur python-chess und requests sind erforderlich, um den UCI-Engine zu betreiben. Optional können weitere Abhängigkeiten für den Lichess-Bot hinzugefügt werden.
Um den UCI-Engine zu starten, muss man den OpenAI-API-Schlüssel in einer Datei namens OPENAI_API_KEY speichern. Dann kann man den Engine mit ./uci_engine.py starten.
Es gibt einige mögliche Erweiterungen für das Projekt, wie zum Beispiel die Suche nach verschiedenen Zügen und die Auswahl des "besten" Zuges. Es wäre auch interessant, andere Modelle zu unterstützen, wenn sie gut genug im Schach spielen können.
Das Projekt ist unter der GPL v3-Lizenz veröffentlicht.
Ein verwandtes Projekt, LLMChess robustness, testet die Robustheit von LLMs gegenüber nicht-semantischen Faktoren. Es verwendet die OpenAI-Text Completion-API, um den nächsten Zug vorherzusagen, und untersucht, wie sich die Vorhersagen ändern, wenn die Spielzustände auf unterschiedliche Weise erreicht werden.
LLMChess ist ein interessantes Projekt, das es ermöglicht, Schach gegen Large Language Models zu spielen. Es bietet eine einfache Möglichkeit, die Fähigkeiten von LLMs im Schach zu testen und zu verbessern.
* KI-Zusammenfassungen können Fehler enthalten. Alle Angaben ohne Gewähr.