# GameSmith, LLM용 제로섬 게임 학습 범위 넓혀

> 새 파이프라인은 2인용 합성 게임 수백 개를 만들어 40억 매개변수 모델의 추론 점수를 45.5에서 62.5로 끌어올린다.

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

Waylon Li가 이끄는 연구진은 고정된 템플릿을 바탕으로 다양한 2인용 제로섬 게임을 생성하는 시스템 GameSmith를 선보였다. 각 게임은 다시 실행하고 별도 구현으로 검증하는 절차를 거쳐 29개 계열에서 신규 게임 26개와 검증된 변형 336개를 만들었다. 더 큰 교사 모델인 Qwen3‑32B가 이 게임들을 스스로 플레이한 뒤, 그 지식을 더 작은 Qwen3‑4B‑Base 모델에 증류했다. 13개 벤치마크로 평가한 결과, 증류 모델의 평균 pass@1 점수는 45.5에서 62.5로 올랐으며, CRAB 추정기를 활용한 추가 셀프플레이 후에는 64.9에 도달했다.

## 팩트

- 29개 계열에서 신규 게임 26개와 검증된 변형 336개를 생성했다
- 증류 후 Qwen3‑4B‑Base의 평균 pass@1 점수가 45.5에서 62.5로 향상됐다

## 왜 중요한가

다양한 합성 게임을 학습에 활용하면 소형 언어 모델도 추론 능력을 높일 수 있음을 보여준다.

## 출처 및 참고 자료

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

최종 업데이트: 2026-10-14