본 논문은 인공 일반 지능(AGI) 평가를 위한 기본적인 벤치마크로서 게임 플레이에 주목하며, 특히 복잡하고 완전 관찰 가능한 보드 게임에서 중요한 공간적 전략적 추론 능력을 평가하기 위해 대규모 언어 모델(LLM)의 성능을 분석한다. 중국 장기(Xiangqi)를 복잡한 규칙과 공간적 복잡성 때문에 도전적이고 풍부한 테스트베드로 채택하여, LLM의 전략적 능력을 향상시키기 위해 전문가 주석과 엔진 평가로 강화된 500만 개의 보드-이동 쌍으로 구성된 대규모 데이터 세트를 기반으로 Xiangqi에 특화된 훈련 프레임워크를 제안한다. 이를 바탕으로 70억 개의 파라미터를 가진 Xiangqi-R1 모델을 다단계 방식으로 훈련시켰다. 실험 결과, 일반적인 LLM이 이러한 작업에서 만족스러운 성능을 달성하는 데 어려움을 겪는 반면, Xiangqi-R1은 이동 적법성에서 18%, 분석 정확도에서 22% 향상을 보였다.
