官方网址：
https://github.com/pytorch/elf

ELF OpenGo是Facebook AI Research团队（FAIR）依照DeepMind在科学期刊《自然》上对于AlphaGo Zero所发表的论文《Mastering the game of Go without human knowledge[4]》与AlphaZero的论文《Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm[5]》所实做出的开源电脑围棋程序[6]，也就是不使用人类棋谱与累积的围棋知识，仅实做围棋规则，使用单一人工神經网络从自我对弈中学习（不像AlphaGo以人类角度思考，设计了Policy Network与Value Network）。

训练网络使用20 blocks x 224 filters，在2000个GPU下训练两周[6]，相较AlphaGo Zero使用的20 blocks x 256 filters版本略小一些（AlphaGo Zero另外还有40 blocks x 256 filters）。

由于Facebook所拥有的计算资源，产生出高质量的训练网络资料与对局棋谱[7][注 1]，许多基于相同算法或是AlphaGo相关论文内容的围棋软件都积极测试ELF OpenGo所提供的训练资料[8][9]。

成绩
对电脑
Leela Zero
Leela Zero是目前少数有公开代码并公开训练网络资料的围棋软件，且仍然有志愿者持续投入资源计算演化，故经常被当作其他围棋软件的基准。

由Facebook自行测试，ELF OpenGo与Leela Zero对战的成绩为198:2[3][注 2]。在Leela Zero的进度网站上也经常会比较现有训练网络与ELF OpenGo的比较[10]。

CGOS
志愿者在CGOS上使用Leela Zero的程序引擎以及由ELF OpenGo公开的训练网络（v0）转换成Leela Zero格式的训练网络（即Hash值62b5417b的训练网络，账号LZ_62b541_ELF_1600）进行对弈测试[11]，但由于目前在CGOS上测试的不是ELF Go的程序引擎，不清楚ELF OpenGo的训练资料在转换后的影响。截至2018年5月30日，对弈已经超过1000盘，BayesElo分数约3770分[12]。