GameSmith扩大大语言模型的零和博弈训练

Waylon Li带领的研究团队推出了GameSmith，这套系统根据固定模板生成大量双人零和游戏。每款游戏都通过回放和另一套独立实现进行验证，最终在29个类别中生成26款新游戏和336个经过验证的变体。更大的教师模型Qwen3‑32B会与自身进行这些游戏的对弈，再将所学知识蒸馏到较小的Qwen3‑4B‑Base模型中。在包含13项基准测试的测试套件中，蒸馏模型的平均pass@1得分从45.5升至62.5；使用CRAB估计器进一步自我对弈后，得分达到64.9。