개별 체스 플레이어의 '스타일'을 실력(Elo)과 분리해 임베딩으로 학습하는 방법을 제안한 연구다. 핵심은 잔차(residual) 구성으로, 레이팅 조건부 기본 수 예측 모델(Maia-3 정책 로짓 + Stockfish 특징)이 해당 실력대의 전형적 수를 포착하고, 플레이어별 벡터 z는 전형에서 벗어난 편차만 설명하게 했다. 기본 모델은 Maia-3 대비 상대 NLL을 27~37% 개선했고, 22,620개 홀드아웃 결정에서 top-1 수 일치율이 Maia-2→Maia-3→Stockfish 증강 모델 순으로 0.51→0.57→0.68로 상승했다. 임베딩 z는 수 예측 자체엔 기여가 작지만 분리된 게임에서 플레이어 재식별이 가능하고 z에서 레이팅 복원은 R²=0.06에 그쳐, 실력과 직교하는 스타일 축을 실제로 포착함을 보였다. 플레이어별 파인튜닝 없이 개인 스타일을 모델링하는 경제적 대안이다.

• •레이팅 조건부 기본 모델 + 플레이어별 잔차 벡터 z로 실력과 스타일을 분리하는 설계
• •기본 모델이 Maia-3 대비 상대 NLL 27~37% 개선, 최상위(2800+)에서 최대 효과
• •Stockfish 특징의 기여는 Elo에 따라 단조 증가 — 900~1200엔 미미, 2800+에서 +0.085 nats
• •22,620개 홈드아웃 결정에서 top-1 일치율 0.51→0.57→0.68로 상승
• •z는 분리된 게임에서 플레이어 재식별 가능, 레이팅 복원은 R²=0.06 — Elo 직교 스타일 축 포착 입증