华为AI靠RSI通关25款游戏！操作次数比人类少56%
内容提要
华为诺亚方舟实验室与UCL联合提出Memento 3智能体系统，以Claude Opus 5为底模，不更新权重，通过“代码即模型”让AI边玩边写规则与模拟代码并自我纠错。该系统在ARC-AGI-3的25款游戏183关全部通关，操作7518次，比人类少约56%，获满分RHAE；玩Pong时策略成熟后无需大模型推理，三局21:0。
延伸解读
RSI新路径：不更新权重，靠外部世界模型自我迭代
Memento 3的核心是“代码即模型”，让AI在游戏中编写并维护规则手册和模拟代码，通过自我纠错和版本管理（如Git）实现递归自我改进。这种方法不更新大模型权重，而是构建可检查、可执行、可回滚的外部世界模型，使冻结参数的通用大模型能在陌生领域快速进化。这为AI自我提升提供了新思路，但依赖大模型的高强度推理，成本较高。
效率对比：操作次数远低于人类和基线，但成本不容忽视
在ARC-AGI-3的25款游戏183关中，Memento 3仅用7518次操作通关，比人类17135次少约56%，也低于基线baseline1的8347次。在Pong游戏中，策略成熟后无需调用大模型，三局21:0。然而，其背后是开启Extra-High推理强度的Claude Opus 5，探索和验证消耗大量Token和算力，实际部署需权衡效率与成本。
方法局限：目前仅适用于规则明确的游戏环境
Memento 3在解谜和Pong等规则相对明确的游戏中表现优异，但实验主要针对这类环境。现实世界更加复杂多变，规则可能模糊且动态变化，该方法能否奏效仍有待验证。此外，双世界模型带来的提升仅在wa30游戏中得到验证，尚未推广到其他游戏。因此，其泛化能力是未来研究的关键。
Q&A
华为Memento 3在ARC-AGI-3测试中取得了什么成绩？
Memento 3通关了ARC-AGI-3公开集的全部25款游戏、183个关卡，总操作次数7518次，比人类少约56%，获得满分100的RHAE成绩。
Memento 3的核心方法是什么？
核心方法是“代码即模型”（Code as Model），即让AI在玩游戏过程中维护一本不断更新的规则手册和一套能模拟游戏运行的代码，通过自我纠错和递归自我改进来提升表现。
Memento 3如何实现递归自我改进？
AI在探索中不断积累经验，修改规则手册和对应的Python代码，并通过重新模拟操作、逐格对比64×64游戏画面来验证代码准确性，对不上就继续改。规则手册可迭代多个版本，甚至引入Git版本管理来回溯和恢复。
Memento 3在Pong游戏中的表现如何？
AI自己摸索出控制策略后，不再调用大模型推理，连续三局以21:0击败对手。学习控制策略仅用了约9500帧游戏画面，远少于传统强化学习所需的数十万甚至上亿帧。
Memento 3与之前的方法相比有什么优势？
之前最好的baseline1通关全部25款游戏但得分99，操作8347次；Memento 3以100分满分通关，操作7518次，比baseline1少829次。此外，在Pong中，不使用世界模型仅靠大模型逐步决策得分仅-19，接近随机水平。
Memento 3存在哪些局限性？
系统依赖开启Extra-High推理强度的Claude Opus 5，探索、生成代码和验证过程消耗大量Token和算力。目前实验主要针对规则相对明确的游戏环境，在更复杂多变的现实世界中是否有效仍有待验证。
