局面评估与 NNUE
评估给当前局面一个估分,搜索比较双方继续走下去的结果。 NNUE 的分数帮助搜索决定重点投入哪些变化;将杀、重复和历史规则由搜索及局面模块处理。
本文核对 official Pikafish 提交 1c66b9b,解释推理代码的输入、计算与输出。训练数据来源、规模和训练过程需要相应训练资料来说明。
从棋盘到分数
一次普通静态评估有四个环节:
- 将棋子位置与经过筛选的攻击关系编码为特征编号。
- 更新累加器,计算后层,得到原始 NNUE 分数。
evaluate.cpp按子力、搜索传入的optimism与限招计数进行缩放。- 搜索按需要加入评估修正,并递归比较后续变化。
界面分数还有输出换算,详见分数输出。各环节的来源和用途可以分别追踪,搜索使用方式见搜索与评估。
evaluate.cpp 怎样调整网络分数?
Eval::evaluate() 要求当前未被将军,先调用网络,再进入 scale_evaluation()。受将节点走搜索的应将流程。simple_eval() 按双方兵、士、象、车马炮计算粗略子力差,作为与 NNUE 判断的比较项。
代码把子力差与 NNUE 分数压到有限尺度,计算它们是否同向。少子但有进攻补偿,与多子且网络也看好的局面,会得到不同的对齐程度。随后把对齐程度、原始分和根搜索传来的 optimism 组合起来,再按盘面总子力缩放。
最后还有两个步骤:随着 rule60 增长,用 v -= v * rule60 / 244 使普通估分向零收缩;将结果限制在普通评估区间,给决定性胜负分留出独立范围。这些常数对应本文固定提交。真正到达限招或将杀时,由规则和搜索处理终局。
因此,可沿“原始 NNUE 分 → 缩放后的静态分 → 搜索修正 → 搜索返回值 → 显示换算”追踪一个数字。源码:子力比较与缩放、optimism 的来源。
NNUE 的输入特征
| 特征 | 记录的信息 |
|---|---|
HalfKAv2_hm | 棋子种类与格点,结合双方将帅位置、镜像选择和己方车马炮配置确定分组。 |
FullThreats | 当前盘面经过筛选的攻击与保护关系。 |
位置特征先选择分组,再按观察方调整坐标与棋子颜色。make_index() 用转换后的棋子、格点和分组得到整数编号,网络以编号查询权重。
关系特征从当前攻击范围和占用点提取,筛选特定棋种组合及重复关系。它描述棋子在此刻的相互作用;弃子后能否形成将杀,需要搜索变化,棋规中是否构成捉子,需要规则模块的历史与交换检查。
红黑双方各有一个观察视角,后层输入按当前行棋方在前、对方在后排列。最终分数从当前行棋方看。源码:位置编号与分组、关系提取、双视角转换。
网络结构:前段共享,后层按子力选择
每个 Network 有一套特征转换器和 16 组后层参数。make_layer_stack_bucket() 根据双方车数及马炮合计数选出一组后层。例如双方车数相同的配置和一方有车、另一方无车的配置,会进入不同分组。
后层输入为 1024 维,两级中间仿射层各输出 32 个值,最后形成一个评分。实际连接还包含截断与平方激活结果的拼接,以及较早层到输出的连接。理解运算量时应连同这些连接阅读,而将各层宽度作为概览。
各维是学习得到的计算通道,权重共同形成分数;通道的棋理含义需要额外分析。源码:网络层与传播、16 组后层选择、求值入口。
累加器怎样增量更新?
输入很稀疏:一个可能很大的特征空间中,每盘棋只有部分特征激活。前段可概括为偏置加激活特征的权重列之和:
A = bias + sum(W[active_feature])这是帮助理解的式子,实际代码分开维护位置与关系特征,并使用量化尺度。
假设车从 e0 走到 e1,分组和镜像都保持不变。位置部分可从旧累加器减去“车在 e0”的权重,加上“车在 e1”的权重;若吃掉黑炮,再减去黑炮在该点的贡献。移动同时打开或关闭的攻击关系,也各自增减对应贡献。
搜索栈记录差分,真正需要评估时才寻找可复用状态并补算;后层在每次求值时继续计算。撤销走法回到对应状态。置换表复用的是搜索结果,累加器复用的是前段计算。
己方将帅移动、吃子改变特征分组或镜像改变时,受影响视角需要刷新。刷新可以借助按将帅位置等组织的缓存:比较棋子差异更新位置部分,再加入当前关系特征。源码:累加器栈、差分更新、刷新条件、刷新缓存。
量化与 SIMD 怎样降低成本?
推理使用规定尺度的整数:特征权重为 8 位,累加器为 16 位,后层乘加结果为 32 位,配合截断、移位和缩放。量化减少存储与访存成本,也适合 CPU 的整数向量指令。
SIMD 用一条指令处理多个通道,如 x86 的 SSE/AVX 与 ARM 的 NEON;部分层利用大量零输入跳过工作。实际性能取决于 CPU、编译路径、访存和搜索中评估所占比例。
网络文件的加载与兼容性
EvalFile 指定文件,默认名为 pikafish.nnue。加载器尝试相应路径,读取格式版本、结构标识和各层参数,并检查是否完整。加载验证失败会报告路径与兼容性问题,然后终止。
替换网络要核对引擎架构、文件格式和参数。结构标识服务于格式兼容检查;若还要确认文件来源与完整性,可结合发布方提供的校验信息。
怎样读 eval 调试输出?
eval 展示当前局面的静态评估拆解。输出包含行棋方视角的 NNUE 内部单位,以及换算到红方视角的显示分;保留的 white side 标签在象棋代码里对应红方。
该调试入口的最终静态分使用零 optimism,而搜索节点还会使用自己的评估修正和后续变化。比较 eval 与 go 时,应分别按静态分和搜索分理解。被将军时,调试入口明确报告没有普通最终静态评估。
源码:eval 入口、调试输出。cp、mate 与 WDL 见分数输出;大优局的算杀表现见为什么 AI 算杀很多时候表现差?。
