arXiv cs.AI· Weixian Waylon Li, Jiaxin Zhang, Han Zhou, Chengzu Li, Ke Wang, Fengxiang He, Yiwen Guo·· 8 小时前AI 评分37
GameSmith：用合成游戏扩展零和自博弈训练
GameSmith: Scaling Zero-Sum Self-Play with Synthesised Games
AI 导读
GameSmith 通过让 LLM 在固定奖励、观测与隐藏信息代码的模板内合成游戏，将三个 SPIRAL 模板扩展为 29 个游戏家族、26 个新游戏和 336 个经校验变体。模型先蒸馏自 Qwen3-32B 的自博弈，再用优势估计器 CRAB 做自博弈强化学习；在 Qwen3-4B-Base 上，蒸馏把 13 项基准平均 pass@1 从 45.5 提升到 62.5，自博弈后达 64.9。
来源：arXiv cs.AI · arxiv.org