MATH-Sigma：纯数学驱动的国际象棋引擎，无需神经网络与训练数据

MATH-Sigma是一款独特的国际象棋引擎，它完全摒弃了传统引擎依赖的神经网络训练和参数调优，所有评估常数均从数学原理推导而来。该引擎基于三个核心公理——平均分支因子、有效分支因子和节奏值——构建完整的搜索与评估体系，实现了约2200 Elo的棋力水平。

• 原作者/维护者： theogbob
• 来源平台： GitHub
• 原始标题： math-sigma
• 原始链接： https://github.com/theogbob/math-sigma
• 发布时间： 2026年5月26日

---

在国际象棋引擎的发展历程中，我们见证了两种主流技术路线的演进：传统的手调评估函数引擎如Fruit、Crafty，以及近年来大行其道的神经网络引擎如Stockfish的NNUE版本。然而，一个名为MATH-Sigma的开源项目却走上了一条截然不同的道路——它试图回答一个根本性问题：如果完全不依赖对局调优和神经网络训练，仅凭数学原理，能否构建出具有竞争力的国际象棋引擎？

MATH-Sigma的答案是肯定的。这款用Rust编写的引擎约3200行代码，所有评估常数均从数学公理推导而来，实现了约2200 Elo的棋力，相当于强业余选手或国家大师水平。

MATH-Sigma的核心创新在于其所有参数均基于三个关于国际象棋结构的数学公理：

b = 35——这是国际象棋合法移动生成的平均分支因子。在任意局面下，一方通常有大约35种合法走法可供选择。这个数字并非经验估计，而是国际象棋规则本身决定的数学属性。

b_eff ≈ 7.4——经过移动排序优化后的有效分支因子。通过置换表（Transposition Table）、杀手启发式（Killer Heuristics）和优质吃子启发式，搜索树可以被大幅剪枝，实际需要深入探索的分支平均只有约7.4个。

T = 78cp——节奏值（tempo value），由公式 P × ln(b) / (1 + ln(b)) 推导而来，其中P=100是兵的基本价值。这个公式量化了在国际象棋中先行一步的内在价值。

基于上述三大公理，MATH-Sigma推导出了完整的搜索参数体系：