# GameSmith, LLM’ler için sıfır toplamlı oyun eğitimini genişletiyor

> Yeni işlem hattı yüzlerce sentetik iki oyunculu oyun oluşturuyor; böylece 4B parametreli bir modelin akıl yürütme puanı 45.5’ten 62.5’e yükseliyor.

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

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.

## Gerçekler

- 29 ailede 26 yeni oyun ve doğrulanmış 336 varyant üretildi
- Damıtma sonrasında Qwen3‑4B‑Base’in ortalama pass@1 puanı 45.5’ten 62.5’e yükseldi

## Neden önemli

Bu artış, daha küçük dil modellerinin daha geniş bir sentetik oyun çeşitliliği üzerinde eğitilerek akıl yürütme becerilerini geliştirebileceğini gösteriyor.

## Kaynaklar ve referanslar

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

Son güncelleme: 2026-10-14