华为诺亚方舟联合UCL发布Memento 3，通关ARC-AGI-3全部25款…
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载用代码当世界模型
Memento 3的核心方法被命名为Code as Model，它把智能体对游戏的理解拆成两份可以随时改写的产物。第一份是规则手册，用Markdown写成，记录智能体在试玩过程中摸索出来的游戏规律；第二份是可执行世界模型，由智能体自己动手写成一个Python游戏模拟器。两者配合的方式是：智能体先在自己写的模拟器里推演可能的走法，再决定真实环境里的下一步操作。当它发现手册里的某条规律与实际情况不符，就会回头修改Markdown文档，并同步更新模拟器中对应的代码。为了确认模拟器是否忠实还原了游戏，系统会逐格比对64×64的游戏画面，检查代码跑出来的结果与真实画面是否一致。这套机制让智能体在不动底层模型的前提下，靠外部可读可改的代码积累对环境的认识。
不微调也能拿满分
Memento 3以Claude Opus 5作为底模，整个过程中没有更新权重，也没有做微调。在ARC Prize标准框架下，Claude Opus 5的平均RHAE约为40.7分；换用Memento 3之后，成绩提升了59.3分，RHAE达到满分100。这一对比说明，提升并非来自模型本身参数的变化，而是来自外层智能体系统对推理过程的组织方式。方法名为Model-Based Recursive Self-Improvement，即基于模型递归自我改进，规则手册与可执行世界模型正是这套递归改进的载体。对读者而言，这意味着在底模能力固定的条件下，通过让智能体自己写模拟器、自己维护规则文档，仍有可能把任务完成度推到评分上限。
通关数据与Pong表现
Memento 3在ARC-AGI-3公开集上通关了25款游戏、共183个关卡。完成同一套关卡，人类玩家累计需要17135次操作，而Memento 3只用了7518次，操作次数比人类少约56%。在Pong这款游戏中，Memento 3连续三局以21:0击败对手。值得注意的是，Pong进行到后期时，智能体不再向大模型请求推理，说明它已经把学到的规律固化在规则手册和可执行世界模型里，后续决策可以直接依赖自己维护的代码，而不必每次都调用底模。这一现象也解释了操作次数为何能大幅低于人类：智能体在模拟器中提前筛掉了大量无效走法，真实环境里只执行经过推演的那一步。
为什么值得看
不训练模型、只靠智能体系统把同一底模的RHAE从40.7拉到满分，展示了递归自我改进的落地路径。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。