छोटकरीमा
- हाम्रो इन्जिनले chess.com का कम्प्युटर बटविरुद्ध ३५ खेल खेल्यो र सबै ३५ वटा जित्यो, जसमध्ये ५ सबैभन्दा बलियो बट Maximum (यसको कार्डमा रेटिङ ३२००) विरुद्ध र १० वटा २५०० वा बढी रेटिङका बटविरुद्ध थिए।
- यी हाम्रो इन्जिन र chess.com का कम्प्युटर बटबीचका खेल थिए, यसको रेटिङरहित बट मोडमा, घडीबिना। यी मानिससँग खेलिएका थिएनन्, न त कुनै रेटिङयुक्त वा प्रतिस्पर्धात्मक वातावरणमा, र इन्जिनले मानिसविरुद्ध कस्तो गर्थ्यो भन्ने बारे यिनले केही भन्दैनन्।
- chess.com को आफ्नै Game Review ले हाम्रा चालको औसत शुद्धता ९७.३ र बटका चालको ७८.५ दियो। ३५ खेलमा यसको समीक्षाले हाम्रो तर्फ ० ब्लन्डर र ४ गल्ती गन्यो।
- यी अङ्क एउटा इन्जिनको एक परिवारका विपक्षीविरुद्धको जाँच हुन्। पूर्ण रेकर्डको माथिल्लो सीमा हुँदैन, त्यसैले एक पक्ष कति बलियो छ भन्ने यसले बताउन सक्दैन। इन्जिनको बल Stockfish विरुद्ध राम्ररी कसरी नापिन्छ भन्ने कुरा अलग मापन हो, जुन तल वर्णन गरिएको छ।
- chess.com ले यो परीक्षणलाई समर्थन, समीक्षा वा सहभागिता गरेको छैन। हामीले यसका सार्वजनिक कम्प्युटर विपक्षीसँग मात्र खेल्यौं।
हामीले के गर्यौं, र कसले खेल्यो
chessGM हाम्रो निःशुल्क चेस एप हो जसका लागि बनाइएको इन्जिन छ। हामीले हाम्रो आफ्नै सेल्फ-प्लेभन्दा बाहिरको जाँच चाहेका थियौं, त्यसैले २० अक्टोबर २०२६ मा इन्जिनलाई chess.com का कम्प्युटर बटविरुद्ध खेलायौं। इन्जिन, chessGM को आफ्नै न्युरल-नेटवर्क मूल्याङ्कन (NNUE) सहितको Go इन्जिन, यसको अक्टोबर २०२६ को संस्करण, chess.com मा होइन हाम्रै Mac मा नेटिभ रूपमा चल्यो। हरेक चाल यसैले छान्यो। त्यसपछि वेब ब्राउजर चलाउने एक AI सहायकले हरेक चाल chess.com को बट बोर्डमा टाइप गर्यो, एक पटकमा एउटा खेल, घडीबिना र कसैको सङ्केतबिना।
हामीले chess.com का सबै बटसँग खेलेनौं। त्यतिबेला यसको सूचीमा २१७ वटा थिए। हामीले रेटिङको दायराभरि फैलिएका ३० वटा छान्यौं, सबैभन्दा कमजोरदेखि Maximum भन्दा तलको सबैभन्दा बलियोसम्म प्रत्येक १०० रेटिङ अङ्कमा करिब एउटा, र त्यसपछि Maximum सँग सेतो र कालो दुवैमा पाँच पटक खेल्यौं। त्यो ३१ फरक बटविरुद्ध ३५ खेल हो।
इन्जिनलाई प्रतिचाल १ देखि ३ सेकेन्ड थियो: १९०० सम्म रेटिङका बटविरुद्ध १ सेकेन्ड, २००० देखि २९०० सम्मका बटविरुद्ध २ सेकेन्ड, र Maximum विरुद्ध ३ सेकेन्ड। यसको औसत खोज गहिराइ खेल अनुसार १४.२ देखि २१.८ अर्ध-चाल थियो।
हरेक खेल
रेटिङ भनेको chess.com ले हरेक बटको कार्डमा छापेका अङ्क हुन्। ती chess.com ले आफ्ना बटलाई दिएका लेबल हुन्, FIDE वा मानव रेटिङ होइनन्। शुद्धता chess.com Game Review को ० देखि १०० को अङ्क हो, जसले हरेक पक्षका चाल यसले भेटेका उत्तम चालसँग कति नजिक थिए भनी देखाउँछ।
| # | बट (कार्डमा रेटिङ) | नतिजा (सबै चेकमेटबाट) | हाम्रो शुद्धता | बटको शुद्धता |
|---|---|---|---|---|
| 1 | Zach (100) | 1-0 | 97.8 | 83.8 |
| 2 | June (100) | 0-1 | 98.2 | 59.6 |
| 3 | Pepe (150) | 1-0 | 99.7 | 69.8 |
| 4 | Martin (250) | 0-1 | 97.5 | 71.8 |
| 5 | Elani (400) | 1-0 | 97.7 | 48.5 |
| 6 | Noel (550) | 0-1 | 97.9 | 70 |
| 7 | Jimmy (600) | 1-0 | 95.9 | 67.3 |
| 8 | Aron (700) | 0-1 | 97.1 | 77 |
| 9 | Zara (850) | 1-0 | 97.3 | 74.3 |
| 10 | Nisha (900) | 0-1 | 96.6 | 61.9 |
| 11 | Maria (1000) | 1-0 | 95.9 | 76 |
| 12 | Sven (1100) | 0-1 | 99 | 75.6 |
| 13 | Emir (1200) | 1-0 | 98.7 | 82.2 |
| 14 | Nelson (1300) | 0-1 | 97.9 | 80.5 |
| 15 | David (1400) | 1-0 | 97.3 | 82 |
| 16 | Antonio (1500) | 0-1 | 98.6 | 83.3 |
| 17 | Isabel (1600) | 1-0 | 97.8 | 84.3 |
| 18 | Arthur (1700) | 0-1 | 99.6 | 81 |
| 19 | Wally (1800) | 1-0 | 96.1 | 78.2 |
| 20 | Miguel (1900) | 0-1 | 98.9 | 75.6 |
| 21 | Li (2000) | 1-0 | 94.4 | 86 |
| 22 | Manuel (2100) | 0-1 | 96.8 | 85.3 |
| 23 | Nora (2200) | 1-0 | 97.6 | 76.5 |
| 24 | Arjun (2300) | 0-1 | 98.3 | 73.3 |
| 25 | Wei (2450) | 1-0 | 94 | 73.2 |
| 26 | Engine lvl 21 (Master) (2500) | 0-1 | 98.2 | 87.1 |
| 27 | Engine lvl 22 (Grandmaster) (2600) | 1-0 | 96.8 | 88.2 |
| 28 | Engine lvl 23 (Grandmaster) (2700) | 0-1 | 97.7 | 87.5 |
| 29 | Giri (2800) | 1-0 | 93 | 84.2 |
| 30 | Engine lvl 24 (Super Grandmaster) (2900) | 0-1 | 96.1 | 85.4 |
| 31 | Engine lvl 25 (Maximum) (3200) | 1-0 | 97.9 | 89 |
| 32 | Engine lvl 25 (Maximum) (3200) | 0-1 | 98.4 | 88.6 |
| 33 | Engine lvl 25 (Maximum) (3200) | 1-0 | 95.7 | 87.7 |
| 34 | Engine lvl 25 (Maximum) (3200) | 0-1 | 97.2 | 89 |
| 35 | Engine lvl 25 (Maximum) (3200) | 1-0 | 96.8 | 84.3 |
सबै ३५ खेल एउटै PGN फाइलमा डाउनलोड गर्नुहोस् (खाताको नाम हटाइएको छ)
बटको रेटिङ अनुसार शुद्धता
दुई कुरा ध्यान दिनुहोस्। पहिलो, हाम्रो इन्जिनका थोप्ला माथि साँघुरो पट्टीमा, ९३.० देखि ९९.७ सम्म छन्। यो आंशिक रूपमा इन्जिन बलियो भएकाले हो र आंशिक रूपमा शुद्धताका अङ्कले उत्तम चाल खेल्नुलाई इनाम दिन्छन्, जुन जितिरहेको बेला सजिलो हुन्छ। दोस्रो, बलिया बटले साँच्चै राम्रो खेल्छन्: २५०० र माथिका बटले हामीविरुद्ध ८४ र ८९ बीच अङ्क ल्याए, जबकि १००० भन्दा तलका धेरै बटले ५०, ६० र ७० को दशकमा अङ्क ल्याए। खेल जहाँ कठिन हुनुपर्ने थियो त्यहीं कठिन थिए।
Maximum विरुद्धका पाँच खेल
Maximum chess.com को सूचीको सबैभन्दा बलियो बट हो, यसको कार्डमा रेटिङ ३२००। हामीले यससँग पाँच पटक खेल्यौं: तीन पटक सेतोका रूपमा (५६, ६९ र ३२ चालका खेल) र दुई पटक कालोका रूपमा (४३ र ६३ चाल)। पाँचवटै खेल हाम्रो पक्षमा चेकमेटमा टुङ्गिए। यी पाँच खेलमा हाम्रो औसत शुद्धता ९७.२ र Maximum को ८७.७ थियो।
chess.com ले के देखायो
तलका तस्बिरहरू यी केही खेलका लागि chess.com कै आफ्ना पृष्ठका स्क्रिनसट हुन्, २० अक्टोबर २०२६ मा लिइएका। खाताको नाम र फोटो सादा लेबलले ढाकिएको छ र अरू केही बदलिएको छैन। खेल फेरि खोल्दा chess.com ले Game Review पुनः गणना गर्छ, त्यसैले यी स्क्रिनसटका अङ्क हामीले खेलको बेला रेकर्ड गरेका र माथिको तालिका र चार्टमा प्रयोग गरेकाभन्दा अलि फरक हुन सक्छन्। फरक परेमा स्क्रिनसटको मान बढी नयाँ हो। केही स्क्रिनसटमा समीक्षा सुरु नभएकाले बोर्डले सुरुवाती स्थिति देखाउँछ।
खेलका चार क्षण
स्कोरबोर्डले रोचक भाग लुकाउँछ। हामीले हाम्रो गहिरो समीक्षा (१८ अर्ध-चालको खोज, एपको छिटो समीक्षाभन्दा ढिलो) वा chess.com को Game Review ले गल्ती, मिस वा ब्लन्डरका रूपमा चिन्ह लगाएका, वा गहिरो समीक्षामा जसपछि हाम्रो जित्ने सम्भावना ८ अङ्क वा बढी घटेको हरेक चाल सूचीबद्ध गर्यौं। यसले ३५ खेलमा १५ चाल दियो। चार यहाँ चालअघिको स्थितिसहित देखाइएका छन्। हरेक बोर्डमा दुई पहेँला घरले इन्जिनले खेलेको चाल देखाउँछन् र हरियो तीरले हाम्रो गहिरो समीक्षाले रोजेको चाल। बोर्डहरू chessGM कै आफ्नै Royal मोहराले कोरिएका छन्।
खेल ३५ बनाम Maximum: हाम्रो गहिरो समीक्षालाई मन नपरेको मोहरा लिने चाल
एउटै समीक्षालाई सत्य मान्नु हुँदैन भन्ने यो सबैभन्दा स्पष्ट उदाहरण हो। दुई विश्लेषकले उही चाल हेरे र उल्टा लेबल दिए। हामीले यसलाई सूचीबद्ध गर्छौं किनभने यो हाम्रै गहिरो खोजका अनुसार हाम्रो सबैभन्दा नराम्रो देखिने चाल हो, सबैभन्दा राम्रो देखिने भएर होइन।
खेल २१ बनाम Li (२०००): हाम्रो गहिरो समीक्षाले प्रश्न उठाएको हात्तीको चेक
खेल २९ बनाम Giri (२८००): ३५ मध्ये सबैभन्दा कम शुद्धता
खेल ३३ बनाम Maximum: सबैभन्दा लामो खेल
chess.com को समीक्षा हाम्रोसँग कसरी तुलना हुन्छ
chessGM एपको आफ्नै खेल समीक्षा छ, त्यसैले हामीले हरेक खेल तीन विश्लेषकमार्फत चलायौं: chess.com को Game Review, हाम्रो छिटो समीक्षा (करिब १२ अर्ध-चाल गहिरो, एपले तपाईंको ब्राउजरमा चलाउने) र हाम्रो गहिरो समीक्षा (१८ अर्ध-चाल, हाम्रो सर्भरमा चलाइएको)। तिनले हाम्रो पक्षलाई यी औसत शुद्धता दिए:
तीनले मुख्य शुद्धतामा नजिकबाट सहमति जनाउँछन्। व्यक्तिगत चालमा तिनी कम सहमत हुन्छन्: हाम्रो छिटो समीक्षाले ५४ प्रतिशत चालमा (२,२६८ मध्ये १,२३२) chess.com सँग उही लेबल दियो र हाम्रो गहिरो समीक्षाले ६० प्रतिशतमा। फरक इन्जिनले “Best” र “Excellent” लाई सधैं फरक ढङ्गले छुट्याउँछन्, त्यसैले हामी हरेक रङभन्दा ठूला निर्णय, गल्ती र ब्लन्डर, मा सहमतिलाई बढी महत्त्व दिन्छौं।
हामीले कसरी नाप्यौं
- विपक्षी। chess.com का कम्प्युटर बट, रेटिङरहित बट मोडमा, घडीबिना। एक पटकमा एउटा खेल, एउटा चाल।
- चाल। हाम्रै Mac मा chessGM इन्जिनले छान्यो, प्रत्येकलाई १ देखि ३ सेकेन्ड। ब्राउजर चलाउने AI सहायकले हरेक चाल बोर्डमा हाल्यो।
- नमुना। रेटिङको दायराभरि फैलिएका ३० बट र Maximum पाँच पटक। हामीले जित्ने आशा गरेका बट रोजेनौं, र कुनै खेल छोडेनौं: सबै ३५ तालिका र PGN मा छन्।
- समीक्षा। हरेक खेल chess.com को Game Review र हाम्रा आफ्नै छिटो र गहिरो समीक्षाले समीक्षा गरे। Game Review का मान chess.com का विश्लेषण पृष्ठबाट सारिएका हुन्।
- गोपनीयता। खेलमा प्रयोग गरिएको खाता PGN र यहाँका हरेक चित्रबाट हटाइएको छ।
अङ्कले के बुझाउँछन् र के बुझाउँदैनन्
- बटको रेटिङ त्यो बटका लागि chess.com को लेबल हो। यो FIDE रेटिङ होइन र मानव रेटिङ पनि होइन। “३२०० बटलाई हरायो” को अर्थ “३२०० खेलाडी हो” होइन।
- यी कम्प्युटर विपक्षी थिए। यहाँको कुनै कुराले इन्जिनले मानिसविरुद्ध कस्तो गर्थ्यो भन्दैन, र यहाँको कुनै कुरालाई मानव खेलबारे कथनका रूपमा पढ्नु हुँदैन।
- ३५ खेल सानो नमुना हो, र २१७ मध्ये ३१ फरक बट सानो टुक्रा हो। Maximum विरुद्धका पाँच खेल पाँच खेल मात्र हुन्।
- ३५–० रेकर्डको माथिल्लो सीमा हुँदैन। यसले समर्थन गर्ने भनेको तल्लो सीमा मात्र हो: २५०० वा बढी रेटिङका १० बटविरुद्ध, प्रदर्शनको ९५ प्रतिशत तल्लो सीमा chess.com को आफ्नै बट मापनमा करिब ३३५० हो, ड्र वा हार नभएकाले माथिल्लो सीमा छैन। त्यो मानव रेटिङ होइन र तलको Stockfish अङ्क पनि होइन।
- शुद्धताका अङ्क हरेक विश्लेषकको आफ्नै मापन हुन्। जित्ने पक्षलाई उच्च अङ्क ल्याउन सजिलो हुन्छ, र छोटो खेलमा एउटा गल्तीले अङ्क धेरै सार्छ।
- यी खेलहरूमा हाम्रा १५ चाल एक वा अर्को समीक्षाले चिन्ह लगाए, र माथिका चार उदाहरणमध्ये तीनमा दुई समीक्षाले उल्टा लेबल दिए। इन्जिन पूर्ण छैन।
इन्जिनको बल छुट्टै कसरी नाप्छौं
त्रुटि-सीमा भएको मापनले chess.com लाई बिल्कुल प्रयोग गर्दैन, र यो यी ३५ खेलमा गरिएको थिएन। हामी इन्जिनलाई निश्चित बल सेटिङ (यसको UCI_Elo मापन) मा Stockfish 19 विरुद्ध खेलाउँछौं। हाम्रो इन्जिनको पहिलेको, हातले बनाइएको संस्करणले त्यस मापनमा २८४० नाप्यो (९५ प्रतिशत अन्तराल २८१६ देखि २८६६, १० सेकेन्ड र प्रतिचाल ०.१ सहित १,००० खेलमा)। पछिको संस्करणले Stockfish को ३००० सेटिङविरुद्ध +१६४ Elo र यसको ३१९० सेटिङविरुद्ध −३१ अङ्क ल्यायो, प्रत्येकमा २०० खेलमा, जसले त्यही मापनमा त्यस संस्करणलाई करिब ३१६०, लगभग ३० को हेरफेरसहित, राख्छ।
यिनलाई मापन-डन्डीका रूपमा पढ्नुहोस्, रेटिङका रूपमा होइन। ती मापनपछि इन्जिन अपग्रेड भएको छ, र माथिका ३५ खेल कुन संस्करणले खेल्यो हामी भन्न सक्दैनौं, त्यसैले कृपया दुई खण्डलाई एउटै नतिजाका रूपमा नपढ्नुहोस्। Stockfish ले आफ्ना UCI_Elo तह हाम्रोभन्दा लामो समय नियन्त्रणमा क्यालिब्रेट गर्छ, र त्यो मापन न chess.com को बट मापन हो न मानव रेटिङ।
आफैं प्रयास गर्नुहोस्
यहाँ वर्णन गरिएको इन्जिन chessGM पछाडिको इन्जिन हो। तपाईं यसलाई आफूले रोजेको बलमा खेल्न, यहाँ हामीले प्रयोग गरेका उही छिटो र गहिरो समीक्षाले आफ्ना खेलको समीक्षा गर्न, र आफ्नो रेटिङका लागि प्रशिक्षण योजना पछ्याउन सक्नुहुन्छ। एप र यसको मार्गदर्शन दुवै निःशुल्क छन्।
chessGM प्रयोगकर्ता मार्गदर्शन पढ्नुहोस्
chessGM कसरी बनाइयो (केस स्टडी)
स्रोत
- ३५ खेल: माथि लिङ्क गरिएको PGN फाइल, २० अक्टोबर २०२६ मा देखिएको chess.com को बट सूची र रेटिङसहित।
- शुद्धता र चाल-लेबल: हरेक खेलका लागि chess.com Game Review, र chessGM एपको छिटो (गहिराइ १२) र गहिरो (गहिराइ १८) समीक्षा।
- Stockfish मापन: UCI_LimitStrength सहित Stockfish 19 विरुद्ध chessGM इन्जिन, पहिलेको संस्करणका लागि १,००० खेलको भर्याङ र पछिको संस्करणका लागि प्रतितह २०० खेलको अनुवर्ती, दुवै chessGM टोलीका इन्जिन प्रतिवेदनबाट।
- chess.com यसको मालिकको ट्रेडमार्क हो। हामी यससँग सम्बद्ध छैनौं र यसले यो परीक्षणमा भाग लिएन।
लेखकबारे
22Softwares ग्रीसको थेसालोनिकी र बङ्गलादेशको ढाकामा रहेको सफ्टवेयर कम्पनी हो। हामी chessGM र Carrom by 22Softwares बनाउँछौं र चलाउँछौं। यो प्रतिवेदन chessGM इन्जिन टोलीले तयार पारेको तथ्याङ्कबाट 22Softwares टोलीले लेखेको हो। प्रश्न र सुधार info@22softwares.com मा स्वागत छ।
chessGM टोलीको राउन्ड-५ प्रतिवेदन (२० अक्टोबर २०२६) र यसको Stockfish रेटिङ मापनबाट लिइएका तथ्य र अङ्क। यस पृष्ठका गणना, औसत र चार्ट त्यही तथ्याङ्कबाट निकालिएका हुन्।