跳到正文
arXiv · ML· Weixian Waylon Li, Jiaxin Zhang, Han Zhou, Chengzu Li, Ke Wang, Fengxiang He, Yiwen Guo·· 2026-10-14AI 评分42

GameSmith:通过合成游戏实现零和自博弈规模化

GameSmith: Scaling Zero-Sum Self-Play with Synthesised Games

AI 导读

提出 GameSmith 框架,利用 LLM 合成 26 款新游戏及 336 个验证变体,解决零和博弈训练数据瓶颈。 基于 Qwen3-32B 教师模型蒸馏及 CRAB 优势估计器训练,Qwen3-4B-Base 在 13 项基准测试的平均 pass@1 从 45.5 提升至 64.9。

来源:arXiv · ML · arxiv.org