Ein Forschungsteam um Waylon Li hat GameSmith vorgestellt, ein System, das mithilfe fester Vorlagen zahlreiche Nullsummenspiele für zwei Personen generiert. Jedes Spiel wird durch erneutes Durchspielen und eine separate Implementierung überprüft. So entstanden 26 neue Spiele in 29 Familien sowie 336 verifizierte Varianten. Das größere Lehrermodell Qwen3‑32B spielt diese Spiele gegen sich selbst; anschließend wird sein Wissen in ein kleineres Modell, Qwen3‑4B‑Base, übertragen. In einem Test mit 13 Benchmarks stieg der durchschnittliche pass@1-Wert des distillierten Modells von 45.5 auf 62.5. Durch weiteres Self-Play mit dem CRAB-Schätzer erreichte es 64.9.
Warum es wichtig ist
Die Verbesserung zeigt, dass kleinere Sprachmodelle durch das Training mit einer größeren Vielfalt synthetischer Spiele bessere Reasoning-Fähigkeiten entwickeln können.
