پژوهشگرانی به سرپرستی وایلون لی، GameSmith را معرفی کردند؛ سامانه‌ای که با استفاده از الگوهای ثابت، بازی‌های دونفرهٔ حاصل‌جمع‌صفر متعددی تولید می‌کند. هر بازی با بازپخش و پیاده‌سازی مستقلی بررسی می‌شود و حاصل کار، 26 بازی جدید در 29 خانواده و 336 گونهٔ تأییدشده است. مدل بزرگ‌ترِ معلم، Qwen3‑32B، این بازی‌ها را با خودش انجام می‌دهد و سپس دانشش به مدل کوچک‌تر Qwen3‑4B‑Base منتقل می‌شود. در مجموعه‌ای شامل 13 بنچمارک، میانگین امتیاز pass@1 مدل تقطیرشده از 45.5 به 62.5 رسید و خودبازی بیشتر با برآوردگر CRAB این امتیاز را به 64.9 رساند.
چرا مهم است
این بهبود نشان می‌دهد مدل‌های زبانی کوچک‌تر می‌توانند با آموزش روی مجموعهٔ متنوع‌تری از بازی‌های مصنوعی، توانایی استدلال بهتری پیدا کنند.
