8. El código fuente completo y los modelos utilizados

Objetivo de esta entrada

Publico todo el código fuente de MariaGO que implementa lo que se explicó paso a paso en las entradas 1 a 7. Hay muchos archivos, así que están plegados por carpeta, y el código solo se carga cuando abres un archivo.

Modelos utilizados

• Modelo en producción: Qwen3-VL-8B-Instruct + adaptador LoRA lora_mix_qwen_r5 (rank 16, alpha 32)
• Entrada: modo text-only, que en lugar de una imagen del tablero recibe un tablero de texto alineado a dos cifras (aligned)
• Entorno de entrenamiento e inferencia: entrenamiento y servicio de LoRA con MLX (mlx-vlm) en un Mac Studio (Apple Silicon)
• Datos de entrenamiento: partidas SGF de KGS de 4 dan o más de u-go.net, centradas en las jugadas del ganador con más peso en las posiciones de atari y captura, mezcladas con datos dedicados a la lectura de coordenadas
• Orden de entrenamiento: partiendo del adaptador dedicado a las coordenadas, cinco rondas de r1 a r5 cambiando la proporción de datos de coordenadas y de jugadas. Solo los adaptadores que superaron un 90% o más en la prueba de coordenadas en cada ronda pasaron a la siguiente

El primer modelo que probamos

Al principio añadimos LoRA (rank 8 y después 16) a Gemma 4 E4B-it 4bit (mlx-community). Observamos que el modelo leía las coordenadas concentradas hacia un lado, así que unificamos el formato del tablero en el entrenamiento y en el servicio como aligned y cambiamos el modelo base a Qwen3-VL-8B.

Piezas de apoyo

• KataGo (b18c384nbt): análisis de la posición y un experimento de juicio en conjunto (ensemble) que elige uno de los candidatos propuestos por varios adaptadores
• Política MLP de dos capas en NumPy: un experimento de autojuego REINFORCE con máscara de jugadas legales (rl_env)
• IA heurística en C++: red de seguridad para responder al atari y jugada de reserva cuando el modelo no responde

Estructura de carpetas

• src, tests: cliente de go en Qt6/C++, motor de reglas (goboard), recuento (gamejudge), IA heurística
• vlm_server: análisis de SGF, generación de datos de entrenamiento, entrenamiento de LoRA, prueba de coordenadas, servidor de recomendación de jugadas
• rl_env: experimentos de aprendizaje por refuerzo con NumPy
• mariago-web: pantalla de partida web en Next.js y API de guardado de partidas

La configuración de despliegue del servidor, los scripts de acceso remoto y monitorización, los scripts de automatización del entrenamiento y de experimentos, y los datos de entrenamiento y los pesos de los modelos (cientos de GB) quedan fuera de lo publicado. También se han omitido el código y los archivos de configuración de operación web como anuncios, inicio de sesión y clasificaciones, las herramientas de depuración y el antiguo script de descarga del modelo Gemma, por lo que algunos import apuntan a archivos no publicados. Las rutas del código como /Volumes/MY_WORK/... corresponden al Mac del autor, así que al ejecutarlo debes cambiarlas por tus propias rutas.

Código fuente completo