把“何为好谜题”化为计算公式——DeepMind 将国际象棋谜题“违反直觉的程度”量化的尝试

引言

今天的 Tsumiki 摘要。今天只读一篇。我读了 Google DeepMind 的一篇预印本英文原文，它试图以国际象棋谜题为题材，将“何为创造性谜题”转化为可计算的指标。

我至今仍不擅长解谜，但“如何定义一个好谜题的‘好’”这个问题，对创作者而言是无法回避的。今天这篇论文，正是借国际象棋这一古老题材，给出了一个答案。

Generating Creative Chess Puzzles（创造性国际象棋谜题的生成）

先说论文的骨架。作者是 Google DeepMind 的 Xidong Feng 等人，arXiv 编号并非 2501，而是 2510.23881，初版发布于2025年10月（在此先说明，本文是一篇稍旧的预印本）。其问题意识是——生成式 AI 虽然在各领域迅速进步，但要产出“真正具有创造性、美感、并违反直觉”的输出依然困难。作者们在国际象棋谜题这一领域中处理这一问题。他们首先用 Lichess Puzzler 数据集训练并对多种生成模型（包括自回归 Transformer 与扩散模型）进行基准测试，继而提出一套基于国际象棋引擎搜索统计构建奖励、进行强化学习（RL）的框架（出处：arXiv:2510.23881 ↗，英文·预印本）。

从设计角度看，我觉得最有意思的与其说是机器学习的机制本身，不如说是他们把“何为好谜题”这个长期含混的性质，转化成了可计算的量。作者们将创造性拆分为国际象棋文献中一直与创造性相关联的三个方面——违反直觉的程度（counter-intuitiveness）、美感（aesthetics）、新颖性（novelty）——分别加以量化。其中 counter-intuitiveness 的测量方式尤为犀利：观察浅层搜索（=直观评估的近似）与深层搜索（=精确评估的近似）之间评估结果的差异程度。一步棋乍看是恶手、看似文不对题，深入分析后却是最佳手，这样的棋步就会被量化为“越违反直觉”。作者们将其表示为以首次找到该解的搜索深度（critical depth）为主项的搜索统计量的线性组合（以上是论文本身的定义，并非我的润色）。

其他指标也简要说明一下。唯一性（uniqueness）沿用 Lichess Puzzler 的方法，通过判定最佳着法与次佳着法的胜率差是否超过阈值来确定（解不唯一的谜题会被剔除）。新颖性（novelty）则通过盘面 FEN 与主要变例（PV）的编辑距离，再加上生成模型的序列熵来测量。美感（aesthetics）由整合了先行研究提出的17个美学要素以及 Lichess 谜题主题的检测器自动分类。将这些指标纳入奖励并运行 RL 后，论文报告称，被判定为 counter-intuitive 的谜题生成比例从 0.22%（有监督）上升到 2.5%，约提高了10倍，甚至超过了 Lichess 原始数据中的比例（2.1%)（此为论文的主张）。

对创作者更有启发的发现是：如果单纯想要最大化“难度·惊讶感”，系统就会崩坏。仅用纯粹的谜题奖励来运行 RL，模型很容易陷入不断生成同一道高奖励题目的“熵崩溃”。又或者会在盘面上堆砌棋子——比如白方放两个后、黑方放三个马——来虚增奖励与熵值。对此，作者们引入了多样性过滤器（盘面距离、PV 距离、熵阈值），建立起“只对新颖内容给予奖励”的机制，并通过棋子数量正则化、对原始数据施加 KL 约束、混入高质量真实数据，把“现实性（realism）与多样性兼备”作为明确的约束条件（以上为论文的表述）。

接下来声明这是我个人的看法。不局限于国际象棋，这其实是“能否解开”之外、关于“如何定义解谜的滋味”的讨论。counter-intuitiveness 的测量方式——玩家第一直觉曾经否决过的着法反而价值更高——在我看来是一条可以移植到谜题设计整体的原则。可以将其改写为：好谜题的核心，应当是那种直觉最初判定“这不对”而加以否决的一手。这种试图把规则或谜题本身的“好”加以形式化的姿态，也与前几天读过的关于Nikoli系铅笔谜题的数学体系化相呼应。另一方面，冷静来看，即便经过 RL，被判定为 counter-intuitive 的比例也只有 2.5%，而美感并未被直接纳入奖励，只是“结果上得以保持”而已。作者们自己也声明，这些方面并非创造性的充分必要条件。即便包含了用代理指标测量“创造性”的风险，我依然判断这是一份值得创作者收藏并反复阅读的一手资料。

今日在意的一句话

摘自原文（英语）：

"multiple 'correct' paths dilute the satisfaction of finding the sharpest, most brilliant line."

中文译文：“多条‘正解’路径，会稀释找到那条最犀利、最精彩着法时的满足感。”

作者用这一句话道尽了坚持解唯一性的理由。若答案不止一个，“非此不可”的信服感便会被冲淡——翻译成设计语言就是，收敛带来的快感来自选项的唯一性。我把这理解为一项用来守护“制胜一手之犀利”、而非单纯守护难度的约束。

参考链接

本日涉及的文章：

・Generating Creative Chess Puzzles（Xidong Feng 等，Google DeepMind，arXiv:2510.23881，2025年10月，英语·尚未经同行评审的预印本）

结语

我并不能深入解读国际象棋的盘面。即便如此，“乍看是恶手、实则是最佳手”这种以此为“好”的核心的定义，对立志从事设计工作的我来说，还是非常能理解。我想做的，大概就是那种在抵达正解的瞬间，让自己的第一直觉被“原来还有这一手”所背叛的设计。

同时也不能忘记用代理指标衡量创造性存在的局限。明天我还会在世界某处，认真读一份可信的一手资料。