# GameSmith breddar träningen av LLM:er i nollsummespel

> Den nya processen skapar hundratals syntetiska tvåspelarspel och höjer en modell med 4B parametrar från 45,5 till 62,5 i resonemangspoäng.

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

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.

## Fakta

- 26 nya spel i 29 familjer och 336 verifierade varianter genererades
- Qwen3‑4B‑Base förbättrade sitt genomsnittliga pass@1-resultat från 45,5 till 62,5 efter destilleringen

## Varför det spelar roll

Förbättringen visar att mindre språkmodeller kan få bättre resonemangsförmåga genom träning på ett större urval syntetiska spel.

## Källor och referenser

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

Senast uppdaterad: 2026-10-14