# GameSmith、LLM向けのゼロサムゲーム訓練を拡充

> 新たなパイプラインで数百種類の合成2人対戦ゲームを生成。4Bパラメーターのモデルは推論スコアを45.5から62.5に伸ばした。

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

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。

## 事実

- 29のファミリーに属する新作ゲーム26種類と、検証済みバリエーション336種類が生成された
- 蒸留後、Qwen3‑4B‑Baseのpass@1平均スコアは45.5から62.5に向上した

## なぜ重要か

多様な合成ゲームで訓練することで、小型の言語モデルでも推論能力を高められることを示している。

## 出典と参考資料

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

最終更新: 2026-10-14