小规模复现：立直麻将中文本是瓶颈

小预算复现显示，立直麻将中文本表示是LLM表现瓶颈。

资讯摘要

论文在极小预算下复现了《Can Large Language Models Master Complex Card Games?》的立直麻将赛道：模型不超过2B参数，仅用一块16GB消费级GPU、约五个GPU日。作者报告，在相同数据与标签下，文本是瓶颈：2.6M参数卷积棋盘编码器与强AI Mortal的一致率为80.6%，高于所有文本提示LLM（最佳77.8%）；扩到171万决策后，4.9M参数Transformer一致率达94.7%，并在相同随机种子上优于0.8B LLM。

要点速读

1. 2.6M参数卷积棋盘编码器与Mortal一致率80.6%，高于所训练文本提示LLM的最佳77.8%
2. 4.9M参数Transformer在171万决策上一致率94.7%，相同种子下比0.8B LLM排名好0.45，符号检验p=0.005
3. 作者指出几分的教师一致率差异在牌桌上无法分辨，并记录了原论文获胜者过滤器的论文-代码不一致；按Tenhou条款不发布训练权重

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。