7.6
深览指数
科技量子位··AI 生成
华为AI靠RSI通关25款游戏！操作次数比人类少56%
华为诺亚方舟实验室联合UCL提出Memento 3智能体系统，以Claude Opus 5为底模，在不更新权重、不微调的情况下，以100分通关ARC-AGI-3全部25款游戏、183个关卡，操作次数比人类少56%。核心方法是“基于世界模型的递归自我改进（RSI）”：AI通过自建规则手册和可执行的Python模拟器来探索、推演、纠错，越玩越强。该方法在Atari Pong游戏中同样有效，AI学会策略后甚至无需再调用大模型就能打出21:0。文章提供了具体的数据对比和实验设计细节，适合关注AI前沿技术、智能体范式、模型效率优化的研究者与从业者阅读。原文 ↗
核心观点
- ▍Memento 3的核心发现是：通过构建可执行的外部世界模型，冻结参数的通用大模型无需重新训练，就能在陌生游戏环境中实现递归自我改进（RSI），效果显著优于直接调用模型。
- ▍华为诺亚方舟实验室与UCL开发的Memento 3，以Claude Opus 5为底模，在ARC-AGI-3的25款游戏、183个关卡上取得100分满分，操作次数比人类少56%。
- 01Memento 3的总操作次数为7518次，而人类完成同样关卡需要17135次，比人类少操作约56%。
- 02Memento 3的核心方法称为“Code as Model（代码即模型）”，系统维护一份记录游戏规律的Rulebook（规则手册）和一个可执行的Python World Model（世界模型）。
- 03AI通过探索、纠错、验证循环迭代规则和代码。验证步骤会逐格对比64×64游戏画面，确认代码能准确复现真实结果。研究引入了Git版本管理。
- 04有规则手册时，AI在3款游戏测试中总操作次数为617次；去掉手册后需要677次，操作次数增加约9%。
- 05在游戏wa30中，同时维护两套世界模型（双模型）后，AI通关操作次数从单模型的899次降至597次，减少约34%。
- 06在Atari Pong中，Memento 3摸索出控制策略后，不再调用Claude Opus 5，连续三局以21:0击败对手。
- 07Memento 3在Pong中大约只用了9500帧游戏画面就学会策略，而传统强化学习方法往往需要数十万甚至上亿帧。
- 08作为对比，Claude Opus 5在ARC Prize官方测试框架下平均RHAE约为40.7分。
- 09在baseline1（得分99）之前，最佳成绩是NOOA的85.1分。
反方 / 局限
- — 当前实验主要针对规则相对明确的游戏环境，在更复杂的现实世界中该方法是否有效仍有待验证。
- — Memento 3背后使用的是开启Extra-High推理强度的Claude Opus 5，其探索、生成代码和验证过程消耗大量Token和算力，成本高昂。
- — 双世界模型带来的操作次数减少仅在游戏wa30上得到验证，不能直接推广到其他游戏。
华为诺亚方舟实验室UCLClaude Opus 5Memento 3ARC-AGI-3递归自我改进（RSI）代码即模型（Code as Model）世界模型（World Model）规则手册（Rulebook）Atari PongDavid CourtisSergey Rodionov普林斯顿大学英伟达
11 分钟 · 5 卡片 · 10 资料
读原文 →