GameSmith 合成游戏扩展零和自博弈训练

Weixian Waylon Li 等作者发布技术报告，提出 GameSmith 方法：让大语言模型在模板内合成游戏，并配合 CRAB 优势估计器，扩展零和博弈自博弈后训练。 该方法从三个 SPIRAL 模板出发，经种子配对回放和独立重实现验证，得到 26 个新游戏、29 个游戏族和 336 个验证变体。报告称相关实验在 Qwen3-4B-Base 上进行。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。