10月12日，华为诺亚方舟实验室联合UCL等团队发布Memento 3智能体系统，在ARC-AGI-3公开基准的25款游戏、183个关卡中全部通关，获得满分100分——人类完成同样关卡需17135次操作，Memento 3仅用7518次，节省约56%。
不微调权重的「边玩边学」
Memento 3以Claude Opus 5为底模，全程未更新模型权重，也未针对游戏微调。它自行上手摸索规则、自行写代码、玩错后反思修改。更关键的是，在Pong游戏中，它摸索出控制策略后不再向大模型请求推理，直接连续三局21:0击败对手。这意味着模型在特定任务上学到的策略可以固化下来，不再依赖实时推理。
规则需自己猜，目标需自己找
ARC-AGI-3的测试设计是让AI在陌生游戏世界中自行猜规则、找目标、试效果——踩上特殊地板会怎样、门为何打不开，都需要AI自行探索。更难的是后续关卡可能引入新规则推翻已建立的认知。测试前，10名人类参与者在变形虫游戏中全部通关，但在符号破译解谜游戏中仅6人成功。
刷新ARC-AGI-3基准纪录
在华为Memento 3之前，独立开发者Sergey Rodionov的baseline1以99分包揽25款游戏、距满分仅差1分；英伟达团队NOOA得85.1分；英伟达与独立研究者合作的DreamTeam通关6款得分38.1。Memento 3以100分登顶，刷新了该基准的最佳纪录。研究团队还让它跑了25款Atari经典游戏以验证泛化能力，覆盖了乒乓球、太空侵略者等多个经典游戏。
相关阅读：Claude Opus 5.5 Max 深度分析：登顶 Arena 智能体榜首，17.29% 确认率意味着什么
延伸阅读
- OpenAI一次公布722篇数学论文：黎曼、霍奇、BSD三大千禧难题均有涉及6 天前
- OpenAI联手Ironclad推GPT-6合同评测：得分55%胜GPT-5.66 天前
- GPT-6 Astra接宇树G1进厨房干活：一个周末让机器人记住抽屉在哪2 周前
- Anthropic 发 Claude Sonnet 5.5：对半价，速度快 30%2 周前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。