# گسترش آموزش بازی‌های حاصل‌جمع‌صفر برای LLMها با GameSmith

> خط لولهٔ جدید صدها بازی دونفرهٔ مصنوعی می‌سازد و امتیاز استدلال یک مدل 4B پارامتری را از 45.5 به 62.5 می‌رساند.

Oossa · 2026-10-14 · https://oossa.com/fa/gamesmith-expands-zero-sum-game-training-for-llms

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.

## حقایق

- 26 بازی جدید در 29 خانواده و 336 گونهٔ تأییدشده تولید شد
- میانگین pass@1 مدل Qwen3‑4B‑Base پس از تقطیر از 45.5 به 62.5 رسید

## چرا مهم است

این بهبود نشان می‌دهد مدل‌های زبانی کوچک‌تر می‌توانند با آموزش روی مجموعهٔ متنوع‌تری از بازی‌های مصنوعی، توانایی استدلال بهتری پیدا کنند.

## منابع و ارجاع‌ها

1. [GameSmith: Scaling Zero-Sum Self-Play with Synthesised Games](https://arxiv.org/abs/2610.13995) – arXiv cs.LG, 2026-10-14

آخرین به‌روزرسانی: 2026-10-14