arXiv 机器学习· Weixian Waylon Li, Jiaxin Zhang, Han Zhou, Chengzu Li, Ke Wang, Fengxiang He, Yiwen Guo·· 6 小时前AI 评分42
GameSmith：通过合成博弈扩展零和自我博弈训练
GameSmith: Scaling Zero-Sum Self-Play with Synthesised Games
AI 导读
研究人员提出 GameSmith 框架，通过 LLM 在固定模板中自动合成零和博弈并利用优势估计器 CRAB 扩展自我博弈后训练。该方法从 3 个 SPIRAL 模板中衍生出 29 个游戏家族、26 种新博弈和 336 个经检验的变体，并基于 Qwen3-32B 教师模型进行蒸馏与自我博弈强化学习。
来源：arXiv 机器学习 · arxiv.org