# GameSmith扩大大语言模型的零和博弈训练

> 这套新流程可生成数百种合成双人游戏，使一款40亿参数模型的推理得分从45.5升至62.5。

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

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。

## 事实

- 生成了29个类别中的26款新游戏和336个经过验证的变体
- 蒸馏后，Qwen3‑4B‑Base的平均pass@1得分从45.5升至62.5

## 为什么重要

这一提升表明，通过在更多样的合成游戏上训练，小型语言模型也能增强推理能力。

## 来源与参考

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

最后更新: 2026-10-14