GameCraft-Bench에서의 엄격한 실행 기준을 통한 게임 생성 최적화

The Verifier is the Curriculum: Execution-Gated Self-Distillation for Cross-Family Game Generation

이 연구에서는 학습된 판별자 없이도 생성된 프로젝트가 헤드리스 엔진에서 깔끔하게 실행되는지를 확인하는 엄격한 실행 기준을 적용하여 게임 생성의 일반화를 최적화하는 방법을 다룬다. GameCraft-Bench에서 14B 모델(Qwen3-14B+LoRA)을 사용하여, 네 가지 보지 못한 게임 가족에서의 깔끔한 생성 비율이 8.8%에서 42.2%로 증가하고, 최상의 K 커버리지가 18/25에서 25/25로 향상되었다. 이러한 성과는 단순히 데이터 추가에서 오는 것이 아니며, 판별자의 정밀도가 모델 학습에 미치는 영향을 강조한다.