Pesquisadores liderados por Waylon Li apresentaram o GameSmith, um sistema que gera vários jogos de soma zero para dois jogadores a partir de modelos predefinidos. Cada jogo é verificado por meio de uma reprodução e de uma implementação independente, resultando em 26 novos jogos em 29 famílias e 336 variantes verificadas. O modelo professor maior, Qwen3‑32B, joga contra si mesmo nesses jogos; depois, seu conhecimento é destilado em um modelo menor, o Qwen3‑4B‑Base. Em um conjunto de 13 benchmarks, a pontuação média pass@1 do modelo destilado subiu de 45.5 para 62.5; com mais partidas autônomas usando o estimador CRAB, chegou a 64.9.
Por que importa
A melhora mostra que modelos de linguagem menores podem aprimorar sua capacidade de raciocínio ao serem treinados com uma variedade maior de jogos sintéticos.
