Un gruppo di ricercatori guidato da Waylon Li ha presentato GameSmith, un sistema che genera numerosi giochi a somma zero per due giocatori a partire da modelli predefiniti. Ogni gioco viene verificato riproducendolo e confrontandolo con un’implementazione indipendente: il sistema ha prodotto 26 nuovi giochi in 29 famiglie, per un totale di 336 varianti verificate. Il modello più grande, Qwen3‑32B, gioca contro sé stesso a questi giochi; le conoscenze acquisite vengono poi distillate in un modello più piccolo, Qwen3‑4B‑Base. Su una suite di 13 benchmark, il punteggio medio pass@1 del modello distillato è salito da 45.5 a 62.5; un ulteriore ciclo di gioco autonomo con lo stimatore CRAB lo ha portato a 64.9.
Perché conta
Il miglioramento dimostra che i modelli linguistici più piccoli possono affinare le proprie capacità di ragionamento addestrandosi su una maggiore varietà di giochi sintetici.
