Forskare under ledning av Waylon Li har presenterat GameSmith, ett system som genererar många tvåspelarspel med nollsumma utifrån fasta mallar. Varje spel kontrolleras genom återspelning och en separat implementation, vilket gav 26 nya spel i 29 familjer och 336 verifierade varianter. Den större lärarmodellen Qwen3‑32B spelar mot sig själv i spelen, och dess kunskap destilleras sedan till den mindre modellen Qwen3‑4B‑Base. I en uppsättning med 13 riktmärken steg den destillerade modellens genomsnittliga pass@1-poäng från 45,5 till 62,5. Ytterligare självspel med CRAB-estimatorn höjde resultatet till 64,9.
Varför det spelar roll
Förbättringen visar att mindre språkmodeller kan få bättre resonemangsförmåga genom träning på ett större urval syntetiska spel.
