\begin{abstract}
    本文拟设计一种新的2048游戏训练流程，最终目的是使用大参数的2D相对位置编码自注意力神经网络，
    完成对游戏局面的精确估值和决策，并尝试将模型能力由基本的4×4，扩展到3~10之间任意边长、任意长宽比的棋盘尺寸。
    本文拟设计一种从小参数残差卷积网络（ResNet-style CNN）结合蒙特卡洛树搜索，
    迁移到中等规模的2D相对位置编码自注意力网络的训练流程，利用CNN+MCTS多次迭代后生成的低噪声高质量数据，
    指导Transformer模型的高效训练

\end{abstract}

\textbf{关键词：} 2048游戏、深度强化学习、相对位置编码、self-attention、估值策略网络