AnswersPublished20 sources
Memento 3 si hry nejprve „zapsalo“ a pak je simulovalo
Memento 3 podle zveřejněných výsledků dokončilo všech 25 veřejných her a 183 úrovní ARC AGI 3 v 7 518 tazích. Systém nepřeučoval jazykový model.
PublikovalObrázky vytvořeny pomocí GPT Image 2
Research answer
Key takeaways
- Memento 3 podle zveřejněných výsledků dokončilo všech 25 veřejných her a 183 úrovní ARC AGI 3 v 7 518 tazích.
- Systém nepřeučoval jazykový model. Místo toho si vedl upravovaný zápis pravidel a převáděl ho do kódu, na kterém plánoval další kroky.[1][5][8]
- Výsledek se týká veřejné sady benchmarku; sám o sobě nedokazuje stejnou úspěšnost na neveřejných hrách ani v běžném světě.[7][27]
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Memento 3, developed by Huawei Noah’s Ark Lab, University College London and partners, clear all 25 games and 183 levels of the ARC. Article summary: Memento 3’s reported gain came from changing the agent’s external memory and planning machinery—not the language model’s weights: it repeatedly wrote, tested and revised a rulebook and executable simulator, then used tha. Topic tags: general web, llm, ai, workflow, productivity. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts
Memento 3 uspělo díky tomu, že si během hraní budovalo a opravovalo vlastní vnější „paměť“: průběžný zápis toho, jak hra funguje, a programovou simulaci herního světa. S její pomocí mohlo plánovat tahy, místo aby pokaždé rozhodovalo jen podle aktuální obrazovky.1
5
6
Podle zveřejněných výsledků dokončilo Memento 3 všech 25 veřejných her a 183 úrovní ARC-AGI-3 v 7 518 tazích. Lidé potřebovali na stejnou sadu 17 135 tahů, takže systém použil zhruba 44 % jejich počtu, tedy přibližně o 56 % méně. Získal skóre RHAE 100, což je maximum této metriky relativní efektivity počtu tahů vůči lidem.8
27
Nejdřív pravidla, potom simulace
ARC-AGI-3 předkládá agentovi interaktivní hry, jejichž pravidla a cíle si musí postupně odvodit. Memento 3 proto při průzkumu zaznamenávalo hypotézy o herních objektech, účincích akcí i nevyřešených otázkách. Neznámá pravidla mohla zůstat označená jako neznámá, místo aby je systém předčasně považoval za jistá.1
7
Tento postup tým nazývá „Code as Model“, tedy „kód jako model“:
- Pozorovat: Agent zkouší akce a sleduje, jak se hra změní.
- Zapsat hypotézu: Zjištění ukládá do průběžně upravovaného textového zápisníku pravidel.
1
5
- Převést pravidla do kódu: Zápis převádí do programu v Pythonu, který zjednodušeně simuluje herní svět.
14
- Plánovat a opravovat: Simulaci využívá k promýšlení dalších tahů. Když předpověď neodpovídá tomu, co se ve hře skutečně stalo, upraví pravidla i program.
Například jeden popsaný případ se týkal předmětu, který se po vstupu na určité pole otočil o 90 stupňů po směru hodinových ručiček. Agent tak mohl původní předpoklad nahradit pravidlem odpovídajícím pozorované hře.5
Podstatné je, že se průběžně měnila vnější pravidla a kód, nikoli váhy samotného jazykového modelu. Memento 3 používalo Claude Opus 5 bez aktualizace jeho parametrů a bez dolaďování na jednotlivé hry.8
13 Změny zápisníku a programu se podle dostupného popisu ukládaly také do Gitu, aby bylo možné prohlédnout historii nebo vrátit nepovedenou úpravu.
14
Co čísla dokazují — a co ne
Jako základní model sloužil Claude Opus 5, nikoli model vyvinutý společností Huawei.9
13 Zveřejněné srovnání uvádí pro samotný model v oficiálním testovacím rámci přibližně 40,7 RHAE, zatímco Memento 3 dosáhlo 100.
10
14 Výsledek ukazuje, že explicitní zápis pravidel a simulace mohou být v tomto testu přínosné. Sám o sobě ale neurčuje, jakou část zlepšení způsobila každá jednotlivá součást systému, ani nepředstavuje srovnání se stejnými výpočetními náklady.
Výzkumníci popsali také test v Pongu: po naučení strategie dokázal vytvořený řadič vyhrát tři hodnocené hry 21:0, aniž by při jejich hraní dál volal jazykový model.1 Jde o zajímavou ukázku přenosu naučených pravidel do samostatného programu, ne však o důkaz, že systém stejně dobře zvládne libovolnou hru.
A konečně, oznámený úspěch se týká veřejných her ARC-AGI-3.7
27 Z těchto výsledků nelze automaticky vyvozovat, že Memento 3 uspěje i na neveřejné části benchmarku nebo v prostředích, která se mění, jsou zašuměná či neúplně pozorovatelná. Jde o výrazný výsledek v konkrétním testu — a především o ukázku, jak může agent zlepšovat své rozhodování úpravami vnějšího modelu světa, aniž by přeučoval základní jazykový model.
1
7
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Memento 3 si hry nejprve „zapsalo“ a pak je simulovalo"?
Memento 3 podle zveřejněných výsledků dokončilo všech 25 veřejných her a 183 úrovní ARC AGI 3 v 7 518 tazích.
What are the key points to validate first?
Memento 3 podle zveřejněných výsledků dokončilo všech 25 veřejných her a 183 úrovní ARC AGI 3 v 7 518 tazích. Systém nepřeučoval jazykový model. Místo toho si vedl upravovaný zápis pravidel a převáděl ho do kódu, na kterém plánoval další kroky.[1][5][8]
What should I do next in practice?
Výsledek se týká veřejné sady benchmarku; sám o sobě nedokazuje stejnou úspěšnost na neveřejných hrách ani v běžném světě.[7][27]
Sources
ai-pulse-lab.comAI 自己给自己写规则书，然后照着升级 · AI Pulse 论文解读
cctest.aiHow Memento 3 Used World Models to Beat 25 Games - CCTest
x.comHuawei Noah's Ark Lab's Memento 3 Agent Clears All 25 ARC-AGI-3 Public Games With a Frozen Model