GameSmith：合成游戏扩展零和自博弈训练
热点事件持续更新
GameSmith：合成游戏扩展零和自博弈训练
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Weixian Waylon Li 等作者发布论文提出 GameSmith：让 LLM 在固定奖励、观测与隐藏信息代码的模板内合成游戏，把三个 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。 训练分两步：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。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
GameSmith：用合成游戏扩展零和自博弈训练报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AIGameSmith：用合成游戏扩展零和自博弈训练
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。