Des chercheurs dirigés par Waylon Li ont présenté GameSmith, un système qui génère de nombreux jeux à deux joueurs à somme nulle à partir de modèles prédéfinis. Chaque jeu est vérifié par rejeu et au moyen d’une implémentation distincte, ce qui a permis de produire 26 nouveaux jeux répartis dans 29 familles et 336 variantes vérifiées. Le grand modèle enseignant Qwen3‑32B joue contre lui-même à ces jeux, puis ses connaissances sont transférées à un modèle plus petit, Qwen3‑4B‑Base. Sur un ensemble de 13 benchmarks, le score moyen pass@1 du modèle après distillation est passé de 45.5 à 62.5. Une phase supplémentaire d’auto-jeu avec l’estimateur CRAB l’a porté à 64.9.
Pourquoi c'est important
Cette amélioration montre que les petits modèles de langage peuvent mieux raisonner lorsqu’ils sont entraînés sur une plus grande variété de jeux synthétiques.
