验证者就是课程：跨家庭游戏生成的执行门控自我蒸馏

arXiv:2607.09709v1 公告类型：新 摘要：针对学习的判断对代码生成器进行后训练可以优化代理特征，从而在不改善工件的情况下提高分数。我们研究相反的信号：确定性的、无判断的、不可游戏的过滤器——生成的项目是否在无头引擎（严格启动）下干净地启动。在这个门下，拒绝采样自蒸馏复合了家族外泛化。在 GameCraft-Bench（将自然语言简介映射到完整的 Godot 项目）上，严格启动下提炼的 14B 模型（Qwen3-14B+LoRA）在三轮比赛中将四个未见过的游戏系列的干净生成率从 8.8% 提高到 42.2%，并将 best-of-K 覆盖率从 18/25 提高到 25/25（黄金上限），每轮都有显着收益（p=0.0019，p<1e-4，p<1e-4）。收益不仅仅来自于添加数据：完全匹配的黄金重复控制回归到基本模型以下（5.6% vs. 8.8%，p=0.019），而计数匹配的分解将第 1 轮到第 2 轮的跳跃分成可比较的质量（+8.8pp）和数量（+8.5pp）通道。最直接的是，仅交换过滤器的情况下重新运行循环——宽松的 BUILD 检查，它通过了 99.9% 的生成，代替了发射门——完全消除了增益（回到基础，p=1e-3 与发射门轮），隔离验证器精度而不是优化器。第二个不可博弈的信号，即无头执行接地，在各轮中单调上升，并在匹配的预算下产生比黄金复制更多的接地候选人（16 vs. 5），确认增益是功能性的，而不是启动但空的。游戏生成是一个课程的可验证测试平台：验证者是课程——它验证的就是模型学到的内容。