Lichess/chess-puzzles

Lichess Puzzles数据集包含4,407,884个国际象棋谜题，每个谜题都有评级和标签。这些谜题是通过分析Lichess数据库中的300,000,000个游戏，并使用Stockfish引擎重新分析生成的。每个谜题的评级基于Glicko-2系统，并且通过玩家的投票来优化标签和定义流行度。数据集每月更新，最后一次更新是在2024年12月3日。

The Lichess puzzles dataset contains 4,407,884 chess puzzles that are rated and tagged, and is updated monthly. The creation of the dataset involved significant computational resources and analysis, including re-analyzing 300,000,000 analyzed games and using Stockfish 12/13/14/15 NNUE for analysis. Each puzzles rating is calculated using the Glicko-2 system, and tags are refined and popularity is defined through player votes. The dataset fields include PuzzleId, FEN, Moves, Rating, RatingDeviation, Popularity, NbPlays, Themes, GameUrl, and OpeningTags.

搜集汇总

数据集介绍

构建方式

该数据集源自Lichess平台的庞大棋局数据库，历经逾50年的CPU计算时间，从超过3亿局经过深度分析的棋局中精炼而成。研究团队利用Stockfish 12至15 NNUE引擎，在40兆节点的分析强度下对关键局面进行重新评估，筛选出具有战术价值的棋题。随后，通过自动化标注系统对每道棋题的主题进行归类，并借助Glicko-2评分系统，将每位解题者的尝试视为一场与棋题的对弈，从而动态计算棋题的等级分。玩家投票机制进一步优化了标签的准确性，并决定了棋题的流行度。

特点

该数据集囊括了超过600万道经过评级与主题标注的棋题，规模宏大且结构丰富。每条记录包含棋题唯一标识符、源棋局信息、FEN字符串、解法步骤、Glicko-2评分及偏差、流行度、解题次数、主题标签及开局标签等十余项字段。主题标签涵盖将杀、残局、战术组合等多样类别，开局标签则详尽记录了棋局的前20步变化，为棋艺研究提供了多维度、精细化的数据支撑。数据集按月更新，确保了内容的时效性与持续增长性。

使用方法

用户可通过Hugging Face的`datasets`库便捷加载该数据集，仅需一行代码`load_dataset("Lichess/chess-puzzles", split="train")`即可获取全部训练样本。数据集以默认配置提供，数据文件存储在`data/train-*`路径下，适用于大规模分布式加载。每条记录的`PuzzleId`可直接链接至Lichess训练页面，便于在线交互验证；`GameId`则可追溯至原始棋局，方便进行深度复盘分析。用户可根据自身需求，轻松筛选特定主题、评分区间或开局类型的棋题，应用于模型训练、棋力评估或棋艺教学等场景。

背景与挑战

背景概述

在国际象棋人工智能与教育领域，高质量战术题集是训练棋手与评估引擎的关键资源。由全球知名开源国际象棋平台Lichess于2020年推出的Chess Puzzles数据集，汇聚了其社区超过6百万道经过精准评级与主题标注的战术题目。该数据集由Lichess团队主导创建，依托其庞大的游戏数据库，经由Stockfish NNUE引擎耗时逾五十年CPU算力对三亿局对弈进行分析与筛选而成。作为业界规模最大、标注最系统的国际象棋战术题库，它已被广泛应用于棋力训练、引擎测试及机器学习研究，深刻推动了开放科学背景下的棋类数据分析生态发展。

当前挑战

该数据集核心解决的领域挑战在于如何从海量真实对弈记录中提取具有唯一最佳解且难度可量化的战术局面，并通过自动化手段完成主题分类与评级校准。在构建过程中，团队面临的核心挑战包括：其一，需要从数亿局对弈中高效定位出含有战术契机的节点，这要求超越传统穷举分析的算力瓶颈；其二，借助自动化标签系统对碎片化战术模式进行精准分类，在保证覆盖多样性的同时，避免主题归纳的歧义与重叠；其三，采用Glicko-2等级分系统对每道题目的玩家求解结果进行动态评级，需处理海量异构游戏数据的非平衡性与噪声问题，从而维持评级体系的公平性与鲁棒性。

常用场景

经典使用场景

在国际象棋人工智能与认知科学领域，Lichess Puzzles数据集凭借其超过六百万道经过精确评级与主题标注的棋局谜题，成为训练和评估棋力算法、尤其是战术组合推理能力的核心基准。研究者常利用该数据集训练深度学习模型，使其从FEN字符串与解题序列中学习强制着法序列的识别，例如通过卷积神经网络解析棋盘态势，或借助Transformer架构建模长程战术链条。该数据集在强化学习环境中也被用于构建对手模型，模拟不同难度级别的棋盘挑战，从而提升智能体的战术应变能力与搜素效率。

解决学术问题

该数据集有效解决了大规模、高质量战术谜题资源的稀缺性问题，为棋类AI研究中关于战术模式识别、强制着法发现以及残局精确计算等核心学术挑战提供了数据基础。其蕴含的Glicko-2评分机制与主题标签体系，使得研究者能够系统探究不同棋力水平下人类求解策略的差异，以及不同战术主题（如闪击、捉双、杀王）的内在结构规律。数据集的出现极大地推动了对抗性搜索算法与机器学习方法在棋类计算复杂性研究中的融合，为理解人类直觉性战术决策的认知机制提供了可量化的实证依据。

衍生相关工作

围绕Lichess Puzzles数据集衍生出一系列影响深远的研究工作。在算法层面，有学者基于该数据集构建了谜题难度预测模型，利用评分与主题特征实现难度曲线的精确拟合；在认知科学领域，研究者通过分析用户解题序列与评级波动，揭示了人类学习中的遗忘曲线与间隔重复效应。此外，该数据集的自动标签生成方法启发了棋类主题识别领域的半监督学习框架，而开源生态中亦涌现出基于该数据的智能谜题推荐引擎与棋力测评工具，进一步扩展了其在教育技术与人机交互中的应用边界。