gomoku-v1

15×15 无禁手五子棋（freestyle，五连及以上获胜）的当前最强模型，也是本项目 ValuePolicyNet 架构的最终形态。训练代号 d3；后续升级会更换架构。

185,724 参数，单次前向直接给出每个格子的分数，取合法格中最高者落子——没有搜索、 没有 VCF、没有双三检测。它由 gomoku-baseline 微调而来，训练标签来自 RAPFI25（2026 年 Gomocup 冠军）搜索输出的主变。

训练

项	值
暖启动	gomoku-baseline（同一 ValuePolicyNet 主干）
标签来源	RAPFI25 主变；每局随机 6 手开局以打宽局面分布
标签量	49,849 个策略标签（dist3.npz）
训练	4,000 步，lr 2e-4，batch 256，8 倍二面体增强
损失	只用 policy loss；value_weight 全 0，价值头没有训练信号

主变交替出现双方着法，奇数位正是「我方该走哪」——那才是 TURN 之外新增的信息。 同一个老师在想 300 ms 和 5,000 ms 时只有约 1/5 的应手一致，所以这个模型学到的是 「RAPFI25 在 300 ms 下怎么下」，不是「RAPFI25 怎么下」。

实测

对手	baseline	v1	局数
冻结启发式（内部标尺）	63.0%	75.7%	300（配对）
EMBRYO26（2026 年 Gomocup 第 6）	12.8%	30.7%	每臂 150
TITO14（2014 年）	0.0%	0.0%	24

重建前同一配方在 EMBRYO26 上是 13.0% → 31.2%（每臂 150，z = 3.67）；在修复/去重后的 数据集上重建并复测是 12.8% → 30.7%，结论不变。完整数据见 report.md §7.13–§7.16。

诚实的水平：对 2026 年的第一梯队还很远，对 2014 年的 TITO14 一局未胜。内部标尺 （对冻结启发式）在本项目里多次给出与真实引擎相反的排序，不能单独作为强度判据。

用法

import torch
from model import ValuePolicyNet  # 本仓库 code/model.py

ck = torch.load("model.pt", map_location="cpu", weights_only=False)
net = ValuePolicyNet(**ck["config"]).eval()
# forward 返回 (value_logits, policy_logits)
_, policy = net(x)              # x: (N, 3, 15, 15) float32
move = policy[0].masked_fill(occupied, -inf).argmax().item()

格子按行主序编号，idx = r * 15 + c，0 <= idx < 225。manifest.json 里有权重 SHA-256、训练配方和实测来源。

文件

• model.pt —— 冻结权重（state_dict + config）。
• manifest.json —— 架构、参数、训练配方、SHA-256、推理方式、已知限制。

局限

• 没有搜索：会漏掉 VCF / 双三。
• 老师受时限削弱：训练标签只反映 RAPFI25 在 300 ms 下的判断。
• 标签是引擎主变，不是博弈论最优值。
• 基座训练数据来自 Gomocup 2026 的公开棋谱（该来源没有明确许可证），蒸馏标签来自 RAPFI25 对局；使用前请自行确认合规性。