華為 Memento 3 據報跑完 ARC-AGI-3 25 款遊戲，7518 次操作少人類 56%

量子位報導，華為諾亞方舟實驗室與 UCL 等團隊提出的 Memento 3，在 ARC-AGI-3 公開集的 25 款遊戲、183 個關卡中全部通關；研究團隊稱，它共使用 7518 次操作，對比人類完成同一組關卡所需的 17135 次少約 56%，並取得 RHAE（Relative Human Action Efficiency，相對人類行動效率）滿分 100。報導稱，Memento 3 以 Claude Opus 5 為底模，過程中沒有更新模型權重，也沒有針對遊戲進行微調，而是透過探索、寫程式、驗證與反思逐步建立遊戲規則。以同一底模直接依 ARC Prize 官方標準測試時，Claude Opus 5 的平均 RHAE 約為 40.7；量子位據此稱，改用 Memento 3 後提升 59.3 分。Memento 3 的核心方法被稱為 Code as Model，包含持續更新的 Rulebook 規則手冊，以及以 Python 程式碼實作的 Executable World Model 可執行世界模型。系統會把觀察到的規則寫入手冊與程式碼，先在模擬器中推演，再執行下一步；若模擬結果與實際遊戲畫面不符，便修改規則與程式碼。報導舉例，系統原先誤判特殊地板會讓角色攜帶的圖案依進入方向鏡像翻轉，實測後修正為圖案順時針旋轉 90 度，且與進入方向無關；系統會逐格比對 64×64 遊戲畫面，並以 Git 保存版本，供回溯或復原。量子位稱，在符號解密遊戲 tr87 中，同一份規則手冊曾迭代 11 個版本。與其他 ARC-AGI-3 方法相比，報導列出 Continual Harness 通關 3 款遊戲、得分 20.5，DreamTeam 通關 6 款、得分 38.1，OPINE-World 與 NOOA 分別取得 78.4 與 85.1；baseline1 則通關全部 25 款、得分 99，使用 8347 次操作，Memento 3 在滿分之餘再少用 829 次操作。三款遊戲的消融實驗中，保留規則手冊時使用 617 次操作，僅保留程式化世界模型時為 677 次，操作次數約少 9%，智能體執行輪次約少 18%；在 wa30 中，單一世界模型需 899 次操作，雙世界模型降至 597 次、約少 34%，但報導也指出這項結果目前只在 wa30 驗證。團隊另以 Atari Pong 測試 Memento 3，稱系統在摸索球體反彈規律後，把控制策略交由程式執行，不再呼叫 Claude Opus 5；三次不同開局均以 21：0 擊敗對手。相較之下，不使用世界模型、只讓大模型根據畫面決定操作時得分為 -19，隨機操作則為 -20.7；Memento 3 約用 9500 幀遊戲畫面學會控制策略，而報導稱部分傳統強化學習方法需要數十萬甚至上億幀資料。這些結果目前屬量子位對研究的報導，尚無其他佐證來源；報導也指出，實驗主要針對規則相對明確的遊戲環境，使用開啟 Extra-High 推理強度的 Claude Opus 5，探索、生成程式碼與驗證仍會消耗 Token 與算力，能否適用於更複雜多變的現實世界尚待驗證。