华为Memento 3通关25款游戏且少用56%操作

华为诺亚方舟实验室联合UCL等团队推出智能体系统Memento 3，在ARC-AGI-3公开集的25款游戏、183个关卡中全部通关。

人类完成同样内容需要17135次操作，Memento 3仅用7518次，减少约56%，并获得RHAE（相对人类行动效率）满分100。系统以Claude Opus 5为底模，未更新模型权重，也未针对游戏微调；相比该模型在官方框架约40.7分的平均RHAE，智能体方案提升59.3分。

ARC-AGI-3不再只是静态解题，而是把AI放入陌生游戏环境，由其自行发现规则、目标和操作后果。25款游戏多采用像素、方块与颜色构成的画面，其中r11l有10名人类参与者全部通关，符号解谜游戏tr87则仅6名参与者在12人中成功。

此前Continual Harness、DreamTeam、OPINE-World和NOOA分别取得20.5、38.1、78.4和85.1分；baseline1虽通关全部游戏但得分99分、使用8347次操作。Memento 3补上最后1分，同时少用829次操作。

其核心方法是“代码即模型”：AI维护一份持续更新的Markdown规则手册，并把规则写成可运行的Python世界模型，用于在行动前模拟不同路线。

如果规则判断错误，系统会通过真实操作纠正。例如它最初认为特殊地板会让图案镜像，验证后改为顺时针旋转90度，并同步修改手册和代码；随后逐格对比64×64画面，直到模拟结果与真实状态一致。

在tr87中，系统逐步修正符号朝向和游标位置的理解，同一规则手册迭代了11个版本。研究团队还使用Git记录每次变化，便于回溯和恢复。

消融实验显示，保留规则手册时三款游戏共需617次操作，去掉后升至677次，操作减少约9%，执行轮次减少约18%。在wa30中，双世界模型还将操作次数从899降至597，但该34%的提升目前仅在这一款游戏验证。

在Atari Pong中，Memento 3通过探索修正球拍碰撞和反弹规律，最终把策略交给程序执行，不再调用大模型，三种开局均以21:0获胜；只看画面逐步决策时得分为-19，接近随机操作的-20.7。

系统约用9500帧画面学会策略，低于传统强化学习常需的数十万至上亿帧，但探索、写码和验证仍消耗开启Extra-High推理强度的Claude Opus 5的Token与算力。该方法目前主要面向规则较明确的游戏，能否适应复杂现实环境仍待验证。论文地址：https://arxiv.org/abs/2610.11794