ScoutGPT: Trasformatore Generativo per la Valutazione Controfattuale dei Giocatori nel Calcio

Uno studio recente introduce ScoutGPT, un modello generativo che interpreta gli eventi di una partita di calcio come una serie di token sequenziali all'interno di un framework di modellazione linguistica, facilitando la valutazione controfattuale dei giocatori. Questo modello utilizza un'architettura Transformer basata su NanoGPT, concentrandosi sulla previsione del token successivo per comprendere le dinamiche delle sequenze di eventi di gioco e simularle con varie formazioni ipotetiche. Supera i modelli di base esistenti in termini di accuratezza predittiva. Il metodo affronta le complessità delle valutazioni dei trasferimenti dei giocatori, che sono influenzate da sistemi tattici, compagni di squadra e contesto della partita. Il reclutamento tradizionale spesso si basa su statistiche statiche e analisi soggettive, mancando di simulazioni controfattuali. ScoutGPT impiega tecniche Monte Carlo per valutare il valore dei giocatori modellando i risultati in scenari immaginari. La ricerca è pubblicata su arXiv con identificativo 2603.15212.