一款名为 Otter 的国际象棋 AI 模型引发关注——它不追求“最强”，而是追求“最像人”。通过时间感知与历史对局条件化，Otter 能模仿特定人类棋手的决策风格，在棋风相似度上显著超越传统引擎。
传统国际象棋 AI 的目标只有一个：找到最优解。Stockfish、AlphaZero 都是如此——它们不关心风格，只关心结果。
Otter 换了一条路。
它把“模仿人类棋手”作为核心目标。给定一位棋手的历史对局记录，Otter 能学习其风格特征——何时激进、何时保守、如何管理时间——并在新对局中模拟这种风格。
目标：绝对最强棋力。风格统一，不区分对手。
目标：风格相似度。它会模仿特定人类的决策模式，而非单纯求最优。
注：上表为 Otter 的核心设计维度。时间感知指模型会考虑棋钟剩余时间；历史条件指它会参考指定棋手的过往对局风格。
Otter 的架构核心是两个条件输入：时间压力与历史风格。大多数引擎把时间当作外部限制，而 Otter 把时间作为模型的内在特征。
“还剩 30 秒”——模型会感知棋钟压力，并像人类一样在时间紧张时调整策略：更快、更冒险、更凭直觉。
“模仿卡斯帕罗夫的风格”——输入指定棋手的历史对局，模型提取风格特征，生成与该棋手风格一致的新走法。
论文提出用“风格相似度”作为新指标，衡量 AI 走法与目标人类棋手的吻合程度——这是传统棋力指标之外的新维度。
过去十年，AI 竞赛的主题是“更强”。从 AlphaGo 到 GPT，都在突破能力的上限。
Otter 指向另一个方向：“更像人”。
这不是一个简单的技术噱头。风格化 AI 在游戏陪练、教育、娱乐内容生成等领域有明确需求——想象一个能模仿你偶像棋手风格的陪练 AI，或一个在《文明》里扮演你朋友风格的 AI 对手。
Otter 的论文价值在于：它首次将时间维度与历史风格条件系统性地引入棋类 AI 建模，并提出了可量化的“风格相似度”评测方法——这为后续研究提供了基准。
Otter 并非完美的产品。它目前处于论文阶段，棋力远不及 Stockfish，风格模仿也仅限于特定棋手群体。但它的意义不在当下棋力水准。
当 AI 足够强后，“拟人化”成为新的竞争维度。Otter 证明：让 AI 模仿人类风格，比让 AI 变得更强，在应用层面可能更有商业想象力。
论文已发布于 arXiv 预印本平台，模型尚未开放商用。对风格化 AI 感兴趣的读者，可关注后续开源进展。
arXiv: 论文预印本 → 持续追踪