austindavis/lichess_uci

该数据集名为Lichess.org Database in UCI format，来源于database.lichess.org，属于其他任务类别，并标记为chess、UCI和Lichess。数据集包含多个配置，每个配置都有与象棋游戏相关的特定特征，如事件、地点、玩家（白方和黑方）、结果、游戏日期和时间、玩家评分、开局走法、时间控制和终止类型。每个配置还包括数据集的大小、示例数量和下载大小的详细信息。

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 大小类别: 1B<n<10B
• 来源数据集: database.lichess.org
• 任务类别: 其他
• PapersWithCode ID: lichess_uci
• 名称: Lichess.org Database in UCI format
• 标签:
  • 国际象棋
  • UCI
  • Lichess

数据集配置与特征

配置: 201301-headers

• 特征:
  • event: 字符串
  • site: 字符串
  • white: 字符串
  • black: 字符串
  • result: 字符串
  • utcdate: date32
  • utctime: time64[us]
  • whiteelo: int64
  • blackelo: int64
  • whiteratingdiff: float64
  • blackratingdiff: float64
  • eco: 字符串
  • opening: 字符串
  • timecontrol: 字符串
  • termination: 字符串
• 分割:
  • train
    • 字节数: 20700133
    • 示例数: 121332
    • 下载大小: 6335452
    • 数据集大小: 20700133

配置: 201301-moves

• 特征:
  • site: 字符串
  • transcript: 字符串
• 分割:
  • train
    • 字节数: 42454117.656856485
    • 示例数: 120133
    • 下载大小: 992204415449
    • 数据集大小: 1636203333850.0193

配置: 201302-headers

• 特征:
  • event: 字符串
  • site: 字符串
  • white: 字符串
  • black: 字符串
  • result: 字符串
  • utcdate: 字符串
  • utctime: 字符串
  • whiteelo: float64
  • blackelo: float64
  • whiteratingdiff: float64
  • blackratingdiff: float64
  • eco: 字符串
  • opening: 字符串
  • timecontrol: 字符串
  • termination: 字符串
• 分割:
  • train
    • 字节数: 22927879
    • 示例数: 123961
    • 下载大小: 6279862
    • 数据集大小: 22927879

配置: 201303-headers

• 特征:
  • event: 字符串
  • site: 字符串
  • white: 字符串
  • black: 字符串
  • result: 字符串
  • utcdate: 字符串
  • utctime: 字符串
  • whiteelo: float64
  • blackelo: float64
  • whiteratingdiff: float64
  • blackratingdiff: float64
  • eco: 字符串
  • opening: 字符串
  • timecontrol: 字符串
  • termination: 字符串
• 分割:
  • train
    • 字节数: 29289830
    • 示例数: 158635
    • 下载大小: 8030446
    • 数据集大小: 29289830

配置: 201304-headers

• 特征:
  • event: 字符串
  • site: 字符串
  • white: 字符串
  • black: 字符串
  • result: 字符串
  • utcdate: date32
  • utctime: time64[us]
  • whiteelo: int64
  • blackelo: int64
  • whiteratingdiff: float64
  • blackratingdiff: float64
  • eco: 字符串
  • opening: 字符串
  • timecontrol: 字符串
  • termination: 字符串
• 分割:
  • train
    • 字节数: 27075305
    • 示例数: 157871
    • 下载大小: 8357025
    • 数据集大小: 27075305

配置: 201305-headers

• 特征:
  • event: 字符串
  • site: 字符串
  • white: 字符串
  • black: 字符串
  • result: 字符串
  • utcdate: 字符串
  • utctime: 字符串
  • whiteelo: float64
  • blackelo: float64
  • whiteratingdiff: float64
  • blackratingdiff: float64
  • eco: 字符串
  • opening: 字符串
  • timecontrol: 字符串
  • termination: 字符串
• 分割:
  • train
    • 字节数: 33350934
    • 示例数: 179550
    • 下载大小: 9192791
    • 数据集大小: 33350934

配置: 201306-headers

• 特征:
  • event: 字符串
  • site: 字符串
  • white: 字符串
  • black: 字符串
  • result: 字符串
  • utcdate: 字符串
  • utctime: 字符串
  • whiteelo: float64
  • blackelo: float64
  • whiteratingdiff: float64
  • blackratingdiff: float64
  • eco: 字符串
  • opening: 字符串
  • timecontrol: 字符串
  • termination: 字符串
• 分割:
  • train
    • 字节数: 41669406
    • 示例数: 224679
    • 下载大小: 11620567
    • 数据集大小: 41669406

配置: 201307-headers

• 特征:
  • event: 字符串
  • site: 字符串
  • white: 字符串
  • black: 字符串
  • result: 字符串
  • utcdate: 字符串
  • utctime: 字符串
  • whiteelo: float64
  • blackelo: float64
  • whiteratingdiff: float64
  • blackratingdiff: float64
  • eco: 字符串
  • opening: 字符串
  • timecontrol: 字符串
  • termination: 字符串
• 分割:
  • train
    • 字节数: 54335491
    • 示例数: 293459
    • 下载大小: 15253359
    • 数据集大小: 54335491

配置: 201308-headers

• 特征:
  • event: 字符串
  • site: 字符串
  • white: 字符串
  • black: 字符串
  • result: 字符串
  • utcdate: 字符串
  • utctime: 字符串
  • whiteelo: float64
  • blackelo: float64
  • whiteratingdiff: float64
  • blackratingdiff: float64
  • eco: 字符串
  • opening: 字符串
  • timecontrol: 字符串
  • termination: 字符串
• 分割:
  • train
    • 字节数: 60378299
    • 示例数: 325525
    • 下载大小: 16982409
    • 数据集大小: 60378299

配置: 201309-headers

• 特征:
  • event: 字符串
  • site: 字符串
  • white: 字符串
  • black: 字符串
  • result: 字符串
  • utcdate: date32
  • utctime: time64[us]
  • whiteelo: int64
  • blackelo: int64
  • whiteratingdiff: float64
  • blackratingdiff: float64
  • eco: 字符串
  • opening: 字符串
  • timecontrol: 字符串
  • termination: 字符串
• 分割:
  • train
    • 字节数: 55675760
    • 示例数: 325098
    • 下载大小: 17609637
    • 数据集大小: 55675760

配置: 201310-headers

• 特征:
  • event: 字符串
  • site: 字符串
  • white: 字符串
  • black: 字符串
  • result: 字符串
  • utcdate: 字符串
  • utctime: 字符串
  • whiteelo: float64
  • blackelo: float64
  • whiteratingdiff: float64
  • blackratingdiff: float64
  • eco: 字符串
  • opening: 字符串
  • timecontrol: 字符串
  • termination: 字符串
• 分割:
  • train
    • 字节数: 76316092
    • 示例数: 411039
    • 下载大小: 21353699
    • 数据集大小: 76316092

配置: 201311-headers

• 特征:
  • event: 字符串
  • site: 字符串
  • white: 字符串
  • black: 字符串
  • result: 字符串
  • utcdate: 字符串
  • utctime: 字符串
  • whiteelo: float64
  • blackelo: int64
  • whiteratingdiff: float64
  • blackratingdiff: float64
  • eco: 字符串
  • opening: 字符串
  • timecontrol: 字符串
  • termination: 字符串
• 分割:
  • train
    • 字节数: 90589975
    • 示例数: 487012
    • 下载大小: 25627636
    • 数据集大小: 90589975

配置: 201312-headers

• 特征:
  • event: 字符串
  • site: 字符串
  • white: 字符串
  • black: 字符串
  • result: 字符串
  • utcdate: 字符串
  • utctime: 字符串
  • whiteelo: float64
  • blackelo: float64
  • whiteratingdiff: float64
  • blackratingdiff: float64
  • eco: 字符串
  • opening: 字符串
  • timecontrol: 字符串
  • termination: 字符串
• 分割:
  • train
    • 字节数: 107472730
    • 示例数: 578262
    • 下载大小: 30655377
    • 数据集大小: 107472730

配置: 201402-headers

• 特征:
  • event: 字符串
  • site: 字符串
  • white: 字符串
  • black: 字符串
  • result: 字符串
  • utcdate: 字符串
  • utctime: 字符串
  • whiteelo: int64
  • blackelo: int64
  • whiteratingdiff: float64
  • blackratingdiff: float64
  • eco: 字符串
  • opening: 字符串
  • timecontrol: 字符串
  • termination: 字符串
• 分割:
  • train
    • 字节数: 128455638
    • 示例数: 692394
    • 下载大小: 37469696
    • 数据集大小: 128455638

配置: 201403-headers

• 特征:
  • event: 字符串
  • site: 字符串
  • white: 字符串
  • black: 字符串
  • result: 字符串
  • utcdate: 字符串
  • utctime: 字符串
  • whiteelo: float64
  • blackelo: float64
  • whiteratingdiff: float64
  • blackratingdiff: float64
  • eco: 字符串
  • opening: 字符串
  • timecontrol: 字符串
  • termination: 字符串
• 分割:
  • train
    • 字节数: 147522312
    • 示例数: 795173
    • 下载大小: 42874408
    • 数据集大小: 147522312

配置: 201404-headers

• 特征:
  • event: 字符串
  • site: 字符串
  • white: 字符串
  • black: 字符串
  • result: 字符串
  • utcdate: 字符串
  • utctime: 字符串
  • whiteelo: int64
  • blackelo: int64
  • whiteratingdiff: float64
  • blackratingdiff: float64
  • eco: 字符串
  • opening: 字符串
  • timecontrol: 字符串
  • termination: 字符串
• 分割:
  • train
    • 字节数: 151205520
    • 示例数: 810463
    • 下载大小: 43806093
    • 数据集大小: 151205520

配置: 201405-headers

• 特征:
  • event: 字符串
  • site: 字符串
  • white: 字符串
  • black: 字符串
  • result: 字符串
  • utcdate: 字符串
  • utctime: 字符串
  • whiteelo: float64
  • blackelo: float64
  • whiteratingdiff: float64
  • blackratingdiff: float64
  • eco: 字符串
  • opening: 字符串
  • timecontrol: 字符串
  • termination: 字符串
• 分割:
  • train
    • 字节数: 170256800
    • 示例数: 905374
    • 下载大小: 48895332
    • 数据集大小: 170256800

配置: 201406-headers

• 特征:
  • event: 字符串
  • site: 字符串
  • white: 字

搜集汇总

数据集介绍

构建方式

该数据集源自全球知名国际象棋平台Lichess.org的公开数据库，经过系统化的格式转换与清洗流程，将原始对局记录统一转化为标准化的UCI（Universal Chess Interface）格式。数据构建过程涵盖按月分割的存储策略，每个月份对应独立的配置子集，每个子集内又细分为对局元数据（headers）与棋谱走法（moves）两大模块。元数据字段囊括赛事名称、对局双方信息、等级分、时间控制、开局ECO编码等关键变量，而走法模块则完整保留对局过程中的每一步落子序列。整体数据量级跨越数十亿字节，覆盖从2013年至2015年间的海量实战对局，为机器学习和统计分析提供了坚实的数据基础。

特点

该数据集最显著的特征在于其庞大的规模与精细的结构化设计。数据总量介于10亿至100亿字节之间，涵盖数十万个对局样本，且每个样本均附带丰富的元数据标签，使得研究者能够从等级分差异、开局偏好、时间控制模式等多维度进行深度挖掘。走法模块采用纯文本转录形式，便于直接解析与特征提取，适用于序列建模与策略分析。此外，时间戳字段的精确记录使得对弈模式的时间演化分析成为可能，而ECO编码和开局名称的标准化则为棋谱分类与开局库研究提供了便利。数据集的多配置设计允许用户灵活选择特定时间范围的子集，极大提升了研究适配性。

使用方法

用户可通过HuggingFace Datasets库便捷加载该数据集，利用`load_dataset`函数并指定配置名称（如'201301-headers'或'201301-moves'）即可获取对应月份的数据子集。元数据子集可直接用于分类、回归或统计分析任务，而走法子集则适合用于训练序列预测模型或强化学习环境。数据以Parquet或Arrow格式存储，支持高效的批量读取与过滤操作。对于需要跨月份联合分析的研究，可通过合并多个配置的DataFrame实现。此外，用户也可直接下载原始压缩文件，利用标准数据处理工具进行自定义预处理。建议在使用前先了解UCI格式规范，以便正确解析走法序列中的棋子移动指令。

背景与挑战

背景概述

国际象棋作为人工智能领域的经典试验田，长期以来为博弈树搜索、强化学习及模式识别等研究方向提供了绝佳的验证场景。由数据科学家Austin Davis主导构建的Lichess UCI数据集，源自全球最大的开源国际象棋平台Lichess.org，自2013年起持续收录了海量对局记录，时间跨度覆盖数十年，数据规模突破十亿级别。该数据集以标准化的UCI（Universal Chess Interface）格式存储，完整保留了每局对战的元信息，包括对局结果、棋手等级分、时间控制及完整的走法序列，为研究者提供了前所未有的丰富样本。其核心研究问题聚焦于如何利用大规模真实对局数据训练更强大的棋力模型，以及探索人类棋手在不同局面下的决策模式。这一数据集的发布极大地推动了计算机象棋领域的发展，成为训练深度神经网络、评估棋力算法以及分析棋手风格的重要基准资源。

当前挑战

该数据集所面临的挑战首先体现在领域问题的复杂性上：国际象棋的博弈空间极其庞大，传统基于穷举搜索的方法难以应对，而基于数据驱动的模型需要从海量对局中学习高阶战略与战术模式，这对模型的表征能力和泛化性能提出了严苛要求。构建过程中的挑战同样不容忽视：数据来源Lichess.org每日产生海量实时对局，需设计高效的数据爬取与清洗流水线，确保数据完整性与一致性；不同时间段的元数据字段格式存在差异，如部分日期字段采用date32类型而另一些为string，需进行精细的格式统一与类型转换；此外，原始数据中可能包含非标准对局、中断游戏或异常评分记录，必须通过严格的过滤与校验机制剔除噪声，以保证训练数据的质量与可靠性。

常用场景

经典使用场景

在国际象棋人工智能研究领域，Lichess UCI数据集作为最庞大且结构完整的对局语料库之一，为深度学习模型提供了海量的标准化训练素材。该数据集将Lichess平台上数以亿计的真实对局转化为UCI（通用象棋接口）格式，使研究者能够直接利用其丰富的棋谱转录文本和元数据（如选手等级分、开局ECO编码、时间控制等）进行序列建模。经典使用场景聚焦于基于Transformer架构的棋力评估与走法预测，通过将棋谱视为时序决策序列，模型得以学习从初始局面到终局的策略演化规律，从而实现对人类高水平对弈行为的精准模拟。

解决学术问题

该数据集的核心学术贡献在于解决了大规模真实棋谱数据获取困难的问题，为棋类博弈中的策略学习与模式挖掘提供了可复现的基准平台。研究者利用其覆盖多年、跨越不同等级分段的庞大数据量，深入探讨了棋手风格聚类、开局偏好演化、残局胜负预测等经典议题。更重要的是，该数据集推动了从符号推理到数据驱动范式的转变，使得基于深度神经网络的棋力评估系统能够在无需人工特征工程的前提下，从原始走法中自动学习高层次战术概念，显著提升了模型在复杂局面下的泛化能力。

衍生相关工作

该数据集衍生了众多具有里程碑意义的学术工作，其中最引人瞩目的是基于其构建的Leela Chess Zero等强化学习训练框架。研究者通过将UCI格式的棋谱转化为监督学习信号，结合自我对弈机制，成功训练出达到特级大师水准的神经网络引擎。此外，基于该数据集的开局策略嵌入研究催生了棋手风格向量表示方法，使得量化分析不同时代棋手的战术偏好成为可能。在自然语言处理与博弈交叉领域，利用其转录文本进行的走法序列预测工作，为理解结构化决策中的长期依赖关系提供了独特的实验场域。