我们以前讨论过这个问题，就是说现在的大语言模型，这个能力这么强了，那么有没有听说它成为围棋大师或者象棋大师呢？
大语言模型与棋类大师的关系
导出时间：2026/6/8 07:30:52
来源地址：https://www.doubao.com/chat/38429234510729474
消息数量：2
结论：大语言模型本身很难单独成为顶尖棋类大师，但搭配专用棋类引擎就能碾压人类顶尖棋手
一、纯 LLM（大语言模型）单独下棋短板明显
- 象棋、围棋属于精确博弈搜索问题，不靠文本联想 大模型依托训练文本做概率选词推理，没有全局穷举、深度算路能力：
- 围棋：一盘上百手、分支爆炸，人类职业棋手靠复盘 + 深度推演选点，纯 LLM 经常出现低级漏算、随手废招，达不到业余顶尖，更别说职业九段；
- 中国象棋 / 国际象棋：残局定式、杀法变化固定，大模型凭文字记忆背定式还行，中局复杂多分支对杀极易算错步数，实战水平大多业余中端。 本质：LLM 是语言拟合器，不是博弈搜索器，优化目标是通顺回话，不是最优落子。
- 实测现状 GPT、文心一言、通义千问等裸模型对弈：业余高手稳赢裸大模型，遇到刁钻中局、冷僻残局频繁失误。
二、AI 棋王来自「专用博弈引擎」，和大模型是两套技术
- 围棋：AlphaGo（深度强化学习 + 蒙特卡洛树搜索 MCTS） 不靠海量文本训练，用自我对弈生成海量棋谱、算力穷举变化，2016 年战胜李世石、2017 年碾压柯洁，是专门为围棋定制的博弈 AI；后续开源的 KataGo 依然是这套搜索架构，不含大语言模型模块。
- 国际象棋 / 中国象棋：Stockfish、倚天象棋引擎 基于剪枝搜索 + 局面估值，几十年迭代，算力全开后人类世界冠军毫无胜算，同样独立于大模型技术路线。
三、大模型 + 棋类引擎 = 全能下棋助手（当下主流方案）
现在很多对话 AI 能下高水平棋，原理是：
大模型负责理解你的棋步文字、讲解思路、复盘解说，后台调用专用棋类引擎做落子决策。
- 落子最优解由引擎计算；
- 人话解读、棋理科普由大模型完成； 拆分分工后，整体达到大师乃至超人类水准。
四、补充：未来 LLM 能不能原生练成棋类大师？
靠现有 Transformer 原生架构很难：
博弈需要确定性最优决策，大模型是概率生成，天然存在随机性失误；即便用棋谱专项微调，只能提升到业余高阶，上限远低于专业博弈引擎。除非重构模型训练目标，放弃通用文本能力，退化成专用棋类 AI。
需要我拿中国象棋举例，简单一局演示裸大模型和专用引擎的走棋差距吗？