GameSmith：合成游戏扩展零和自博弈训练
原文标题：GameSmith: Scaling Zero-Sum Self-Play with Synthesised Games
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 GameSmith，用 LLM 在固定模板内合成游戏并经种子配对回放与独立重实现验证，产出 26 个新游戏、29 个家族与 336 个变体。配合新优势估计器 CRAB，在 Qwen3-4B-Base 上把 13 项基准平均 pass@1 从 45.5 提升至 64.9，且迁移能力随游戏家族数量增长。
- 问题
- 零和自博弈训练依赖少量手写游戏，游戏供给与优势估计都难扩展。
- 方法
- 用 LLM 在固定模板内合成游戏并验证，配合新优势估计器 CRAB 做自博弈 RL。
- 结果
- Qwen3-4B-Base 上 13 项基准平均 pass@1 从 45.5 提升至 64.9，迁移随游戏家族数增长。
- 影响
- 合成游戏可规模化扩展自博弈，为通用推理后训练提供可验证奖励来源。
深读 · 结论先行AI 生成展开看要点与影响 ↓
GameSmith合成26个新游戏、336个变体，Qwen3-4B-Base 13项基准pass@1从45.5升至64.9。
- •LLM在固定奖励、观测与隐藏信息代码的模板内合成游戏，经种子配对回放与独立重实现验证
- •产出26个新游戏、29个家族、336个验证变体，来自三个SPIRAL模板
- •从Qwen3-32B教师自博弈蒸馏后，13项基准平均pass@1从45.5升至62.5，已高于同预算下三个SPIRAL游戏
- •再用新优势估计器CRAB做自博弈RL，达到64.9；该估计器在每个变体上均有定义
- •迁移能力随游戏家族数量增长，且模型间排序一致
为什么重要：把零和自博弈的数据供给与优势估计同时规模化，为「游戏训练提升通用推理」路线提供了可扩展的工程范式。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。