♟️ GambitFlow Nexus-core

<div align="center">

在线引擎演示 • 数据集卡片

</div>

📖 模型概述

Nexus-core（核心版）是 GambitFlow 项目的主要引擎。它是一个深度残差神经网络，旨在以高水平的人类直觉评估国际象棋局面。与使用手动"if-then"逻辑的传统引擎不同，Nexus-core 通过分析特级大师级别选手对弈的超过 500 万个局面 来学习国际象棋策略。

它作为 GambitFlow 搜索算法的静态评估函数（即"大脑"），为任何给定的棋盘状态提供数值优势分数。

🧠 技术架构

该模型采用 残差神经网络 (ResNet) 架构构建，灵感来自 AlphaZero 研究，但针对 Web 浏览器和低功耗设备的高效推理进行了高度优化。

规格表

📊 训练方法

Nexus-core 采用专业级流水线进行训练，以确保稳健性和策略深度。

1. 精英数据集

我们使用了 gambitflow-elite-data 语料库：

• 筛选条件： 仅保留 双方玩家 ELO > 2000 的对局。
• 阶段： 重点关注前 20 步，以掌握开局和中局过渡。
• 规模： 约 5,000,000 个独特局面。

2. 训练协议

• 混合精度： 使用 torch.amp (FP16) 训练，实现 2 倍更快的收敛速度和内存效率。
• 优化器： AdamW，权重衰减为 1e-4 以防止过拟合。
• 损失函数： 预测值与实际对局结果之间的 MSE（均方误差）。

3. ONNX 优化

• 使用 Opset 17 导出。
• 启用 常量折叠 和图优化，以减少实时对弈时的延迟。

💻 实现示例

设计用于与 onnxruntime-web 无缝集成。

import * as ort from 'onnxruntime-web';

// 1. 加载模型
const session = await ort.InferenceSession.create('./chess_model_v2.onnx');

// 2. 准备 12x8x8 张量（从 FEN 编码）
const inputTensor = new ort.Tensor('float32', boardData, [1, 12, 8, 8]);

// 3. 获取评估值
const results = await session.run({ board_state: inputTensor });
const score = results.evaluation.data[0];

console.log("Nexus-core 评估值:", score);

🛡️ 许可证与道德规范

本模型采用 GPL v3（GNU 通用公共许可证第 3 版） 许可证共享。

<div align="center"> <p>由 <a href="https://huggingface.co/Rafs-an09002">Rafsan</a> @ GambitFlow 开发</p> </div>