GameSmith、LLM向けのゼロサムゲーム訓練を拡充

Waylon Li氏らの研究チームは、固定テンプレートから多数の2人対戦型ゼロサムゲームを生成するシステム「GameSmith」を発表した。各ゲームは、実際にプレイを再現する方法と、別途実装した方法で検証され、29のファミリーに属する新作ゲーム26種類と、検証済みのバリエーション336種類が作られた。より大規模な教師モデルQwen3‑32Bがこれらのゲームを自己対戦し、そこで得た知識を小型モデルQwen3‑4B‑Baseに蒸留した。13種類のベンチマークで評価したところ、蒸留後のモデルのpass@1平均スコアは45.5から62.5に上昇。さらにCRAB推定器を用いた自己対戦で64.9に達した。