Waylon Li के नेतृत्व में शोधकर्ताओं ने GameSmith पेश किया है। यह सिस्टम तय टेम्पलेट से दो खिलाड़ियों वाले कई शून्य-योग गेम बनाता है। हर गेम को दोबारा चलाकर और एक अलग इम्प्लीमेंटेशन से जाँचने के बाद 29 परिवारों में 26 नए गेम और 336 सत्यापित वैरिएंट तैयार किए गए। बड़े टीचर मॉडल Qwen3‑32B ने इन गेम में खुद के साथ खेला, फिर उसका ज्ञान छोटे Qwen3‑4B‑Base मॉडल में डिस्टिल किया गया। 13 बेंचमार्क वाले सूट पर डिस्टिल किए गए मॉडल का औसत pass@1 स्कोर 45.5 से बढ़कर 62.5 हो गया। CRAB estimator के साथ आगे सेल्फ-प्ले करने पर यह 64.9 तक पहुँचा।
यह क्यों मायने रखता है
यह सुधार दिखाता है कि सिंथेटिक गेम की अधिक विविधता पर प्रशिक्षण देकर छोटे भाषा मॉडल की रीजनिंग क्षमता बढ़ाई जा सकती है।
