# GameSmith ने LLM के लिए शून्य-योग गेम प्रशिक्षण बढ़ाया

> नई पाइपलाइन दो खिलाड़ियों वाले सैकड़ों सिंथेटिक गेम बनाती है। इससे 4B पैरामीटर वाले मॉडल का रीजनिंग स्कोर 45.5 से बढ़कर 62.5 हो गया।

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

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।

## तथ्य

- 29 परिवारों में 26 नए गेम और 336 सत्यापित वैरिएंट तैयार किए गए
- डिस्टिलेशन के बाद Qwen3‑4B‑Base का औसत pass@1 स्कोर 45.5 से बढ़कर 62.5 हुआ

## 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।

## स्रोत और संदर्भ

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

अंतिम अपडेट: 2026-10-14