Un equipo de investigadores encabezado por Waylon Li presentó GameSmith, un sistema que genera numerosos juegos de suma cero para dos jugadores a partir de plantillas predefinidas. Cada juego se comprueba mediante una reproducción y una implementación independiente, lo que dio como resultado 26 juegos nuevos en 29 familias y 336 variantes verificadas. El modelo docente de mayor tamaño, Qwen3‑32B, juega contra sí mismo a estos juegos; después, sus conocimientos se destilan en un modelo más pequeño, Qwen3‑4B‑Base. En una batería de 13 pruebas de referencia, la puntuación media pass@1 del modelo destilado subió de 45.5 a 62.5; con más partidas contra sí mismo y el estimador CRAB, alcanzó 64.9.
Por qué importa
La mejora demuestra que los modelos de lenguaje más pequeños pueden desarrollar una mayor capacidad de razonamiento si se entrenan con una variedad más amplia de juegos sintéticos.
