# GameSmith расширяет обучение LLM на играх с нулевой суммой

> Новый конвейер создает сотни синтетических игр для двух игроков и помогает модели с 4 млрд параметров повысить оценку за рассуждения с 45,5 до 62,5.

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

Исследователи под руководством Уэйлона Ли представили GameSmith — систему, которая создает множество игр с нулевой суммой для двух игроков на основе фиксированных шаблонов. Каждую игру проверяют повторным воспроизведением и с помощью отдельной реализации: в результате получено 26 новых игр в 29 семействах и 336 проверенных вариантов. Более крупная модель-учитель Qwen3‑32B играет сама с собой в эти игры, а затем полученные знания дистиллируют в меньшую модель Qwen3‑4B‑Base. В наборе из 13 тестов средний показатель pass@1 дистиллированной модели вырос с 45,5 до 62,5, а дальнейшая самостоятельная игра с оценщиком CRAB позволила достичь 64,9.

## Факты

- Создано 26 новых игр в 29 семействах и 336 проверенных вариантов
- После дистилляции средний показатель pass@1 модели Qwen3‑4B‑Base вырос с 45,5 до 62,5

## Почему это важно

Этот результат показывает, что языковые модели меньшего размера могут лучше рассуждать, если обучать их на более разнообразных синтетических играх.

## Источники и ссылки

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

Обновлено: 2026-10-14