Waylon Li’nin öncülük ettiği araştırmacılar, sabit şablonlardan çok sayıda iki oyunculu sıfır toplamlı oyun üreten GameSmith adlı sistemi tanıttı. Her oyun, yeniden oynama ve ayrı bir uygulamayla doğrulanıyor; sonuçta 29 ailede 26 yeni oyun ve doğrulanmış 336 varyant elde ediliyor. Daha büyük öğretmen model Qwen3‑32B bu oyunları kendi kendine oynuyor, ardından edindiği bilgi daha küçük Qwen3‑4B‑Base modeline damıtılıyor. 13 kıyaslama testinden oluşan bir pakette, damıtılmış modelin ortalama pass@1 puanı 45.5’ten 62.5’e çıktı; CRAB tahminleyicisiyle yapılan ek öz oyun eğitimiyle puan 64.9’a ulaştı.
Neden önemli
Bu artış, daha küçük dil modellerinin daha geniş bir sentetik oyun çeşitliliği üzerinde eğitilerek akıl yürütme becerilerini geliştirebileceğini gösteriyor.
