[2N1-GS-6x] Language media processing

9:30 AM - 9:45 AM JST(12:30 AM - 12:45 AM UTC)

[2N1-GS-6x-03] Shogi-Specific LLM DevelopmentBuilding and Evaluating a Dataset via Integration of Board State and AI-Generated Descriptions

〇Ryuya Fujita¹, Hiroaki Kuwahara¹ (1. Shibaura Institute of Technology)

[[online]]

Keywords:

Shogi AI,Explanation Generation,Large Language Model,Explainability

近年の将棋AIは人間を凌駕する棋力を持つが，その出力は数値や符号の羅列に留まり，判断根拠の説明可能性の欠如が課題である．特に中終盤の最善手は人間の直感と乖離し，初級者がその意図を理解することは困難である．そこで本研究では，コンシューマ環境下で，詰みのない終盤の「次の一手」を自然言語で解説可能なモデルの構築手法を提案する．具体的には，Qwen-2.5-7B-Instructを対象に，QLoRAを用いてファインチューニングした．学習データセットは，将棋AIの解析とGemini 3.0 Proによる生成，人手監修を組み合わせ，約100件の高品質なものを構築した．本手法の独自性は，評価値などの解析情報に加え，AIの推定選択率を学習データに組み込んだ点にある．これにより，単なる優劣に加え，選択率に基づきその手が「自然な手」か「盲点」かといった文脈を解釈し，言語化可能とした．評価の結果，提案モデルはベースモデルより解説の正確性と流暢性が向上した．特にハルシネーションが低減し，数値に基づきAIと人間の感覚の乖離を説明する能力を獲得した．本研究により，小規模データとコンシューマ環境であっても，解析数値を活用し，実用的な将棋解説AIの実現可能性を示した．