加速国际象棋技能评估：漂移扩散增强 Elo 评级系统

arXiv:2606.26267v1 公告类型：新 摘要：Elo 等评级系统是国际象棋竞技匹配的黄金标准。然而，由于他们完全依赖比赛结果，而忽视了游戏玩法的精细质量，因此他们本质上会遭受响应滞后的困扰。然而，考虑到游戏状态空间的巨大噪音和广阔性，将逐步信息纳入评级调整中提出了重大挑战。为了解决这个问题，我们提出了漂移扩散增强 Elo 评级系统 (DD-Elo)，这是一种受认知神经科学漂移扩散模型 (DDM) 启发的新型技能评估框架。通过将技能表达建模为决策过程，我们的模型集成了移动级别数据以捕获快速的技能波动。我们提供了严格的数学推导，证明 DD-Elo 与传统 Elo 系统保持了有限的偏差，确保了理论一致性。大量实验表明，DD-Elo 比 Elo 更快地适应技能变化。我们的研究结果表明，DD-Elo 为国际象棋评级生态系统提供了一种可解释、高度响应且向后兼容的解决方案。实现代码可在 https://github.com/Aquila-zhou1/DD-Elo 公开获取。