Un conjunto de datos público bajo licencia CC0 para Eternity II, en dos partes: catorce instancias de referencia para resolver, y un corpus de 7658 tableros fuertes distintos de los que aprender. Cada puntuación se recalcula a partir del propio tablero, y se verifica que el corpus sea realmente variado, en lugar de mil copias de un mismo tablero.
Cuando se trabaja en Eternity II, dos necesidades se repiten sin cesar: hacen falta instancias contra las que lanzar un solucionador y, si se quiere aprender de los tableros fuertes, hace falta un corpus de ellos. Este conjunto de datos reúne ambas cosas, liberado al dominio público bajo licencia CC0 para que pueda reutilizarse con cualquier fin sin atribución. Consta de dos partes, ambas alojadas en el directorio del conjunto de datos.
Catorce instancias sobre las que se ejecuta un solucionador, cada una en forma de un archivo JSON autónomo que contiene el conjunto de piezas, las pistas fijadas que hubiera y la puntuación máxima alcanzable.
e2-16x16-v00 … v09): el conjunto de piezas
oficial de Eternity II con tres esquinas fijadas, en diez disposiciones de
esquinas diferentes. Fijar las esquinas produce diez instancias distintas pero
de igual dificultad a partir de un solo conjunto de piezas, lo que permite a un
estudio comparar los motores sobre un eje de diversidad en lugar de sobre un
tablero único. Los tres estudios de motores de este proyecto (el
estudio DFS, el
estudio de reparación y el
banco de pruebas mono-núcleo) resuelven
exactamente esas diez. Puntuación máxima: 480.e2-clue-clue1 … clue4): los tableros 6×6
y 12×6 más pequeños, procedentes del conjunto de pistas oficial del puzzle.
Se sabe que cada uno admite una solución completa, lo que los convierte en un
fixture de corrección rápido: un solucionador incapaz de cerrar un tablero de
pistas tiene un fallo mucho antes de enfrentarse siquiera al puzzle completo.Cada celda se describe en el orden arriba, derecha, abajo, izquierda; el color 0
es el borde gris, y pos es el índice de celda en recorrido por filas. La forma
de un archivo de instancia:
{
"id": "e2-16x16-v00",
"family": "official-16x16-pin3corners",
"width": 16, "height": 16, "numColors": 22,
"pieces": [[up, right, down, left], ...],
"hints": [{"pos": 0, "piece": 0, "rot": 3}, ...],
"maxScore": 480
}7658 tableros distintos con puntuaciones de 400 a 470, la materia prima de
los métodos que
aprenden de los tableros fuertes:
priors de posición, ordenación de movimientos aprendida, minería de
antipatrones. Se distribuye como un archivo zip (e2-strong-boards.zip, unos
16 MB) que se descomprime en las mismas filas en formato CSV y en formato
JSON-lines:
id,score,family,edges
e2b-00001,469,f008,adcaaendadwe… (1024 lowercase letters)
El campo edges es el tablero en sí: 256 celdas por cuatro lados, en recorrido
por filas, en el orden arriba-derecha-abajo-izquierda, a para el borde gris.
Es exactamente la cadena que lee el visualizador
e2.bucas.name, de modo que cualquier tablero se pega
directamente en el visualizador. La family son las cuatro piezas de esquina
del tablero, un indicador de en qué cuenca se sitúa; hay 28 familias distintas.
La distribución de puntuaciones tiene un pico marcado en la franja baja de los
450, donde se concentra una gran cosecha por haz mono-núcleo, y luego se afina en
una larga cola, con 38 tableros en 460 o más y el mejor en 470.
Cada tablero del corpus, contado por su puntuación. Una barra por puntuación de 400 a 469; una puntuación ausente es un hueco de altura nula, de modo que la forma real se hace visible: un pico pronunciado en la franja baja de los 450, donde se concentra una gran cosecha por haz de un solo núcleo, seguido de una fina cola de tableros más raros y de mayor puntuación hasta los 460. La línea discontinua marca el inicio de esa cola a partir de 460.
Ninguna puntuación de este conjunto de datos se copia de un campo de origen. Cada una se recalcula a partir de la propia cadena de aristas del tablero, contando las adyacencias interiores concordantes. No es una mera formalidad: en los datos de origen un tablero llevaba una puntuación obsoleta, declarando 453 cuando sus aristas valen en realidad 456, y el recálculo a partir de las aristas lo corrige automáticamente. Vuelva a derivar usted mismo las puntuaciones a partir de las cadenas de aristas y obtendrá exactamente los números publicados.
Un montón de varios miles de tableros solo merece publicarse si los tableros son realmente diferentes. Antes de difundir este comprobamos que no son simples perturbaciones de un mismo tablero, y no lo son:
Así que el corpus es una muestra realmente variada del paisaje de los tableros fuertes. Eso importa para todo lo que lo explote: un prior aprendido a partir de miles de copias de un mismo tablero codificaría ese tablero, no la estructura de los buenos tableros en general.
El script de generación regenera todo el conjunto de datos. Las instancias se ensamblan a partir de los archivos de variantes públicos; el corpus se deduplica, se vuelve a puntuar a partir de las aristas, se despoja de toda etiqueta de espacio de trabajo (rutas de origen, nombres internos de presets y de semillas, nombres de archivo) y se reindexa con identificadores neutros, de modo que lo que se distribuye se reduce al contenido de los tableros y a las puntuaciones verificadas, nada más.