RespuestasPublicado19 fuentes
Cómo Memento 3 aprendió las reglas y completó 183 niveles con menos acciones que las personas
Memento 3 completó los 25 juegos y 183 niveles de la versión pública de ARC AGI 3 en 7.518 acciones, frente a las 17.135 registradas para jugadores humanos. En vez de actualizar los parámetros del modelo de lenguaje, el agente mantuvo un manual de reglas y lo convirtió en código para simular el entorno y planificar.
Publicado porImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- Memento 3 completó los 25 juegos y 183 niveles de la versión pública de ARC AGI 3 en 7.518 acciones, frente a las 17.135 registradas para jugadores humanos.
- En vez de actualizar los parámetros del modelo de lenguaje, el agente mantuvo un manual de reglas y lo convirtió en código para simular el entorno y planificar.
- El resultado demuestra un desempeño destacado en el conjunto público, pero no acredita por sí solo resultados equivalentes en juegos reservados para una evaluación privada.
Prompt de IA
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 completó los 25 juegos y 183 niveles del conjunto público de ARC-AGI-3 en 7.518 acciones. Para superar los mismos desafíos, los jugadores humanos necesitaron 17.135: el sistema utilizó alrededor del 44 % de ese total, es decir, cerca de un 56 % menos de acciones. Su puntuación RHAE —una medida de eficiencia de acciones respecto de la referencia humana— fue de 100.8
27
La clave no fue volver a entrenar el modelo de lenguaje. El equipo, vinculado al Noah’s Ark Lab de Huawei y a University College London (UCL), construyó una arquitectura alrededor de un modelo congelado: el agente escribe lo que va aprendiendo, lo traduce a un programa que simula el juego y usa ese programa para decidir qué hacer.1
5
6
De observar a simular
ARC-AGI-3 plantea juegos interactivos que el agente debe explorar para descubrir sus reglas, objetivos y controles. Memento 3 aborda esa incertidumbre con un método descrito como «Code as Model» («código como modelo»), que mantiene dos recursos conectados:
- Un manual de reglas: un documento en lenguaje natural donde registra sus hipótesis sobre los objetos, las acciones y la dinámica del juego. Lo que todavía no sabe puede quedar expresamente sin resolver.
1
7
- Un modelo ejecutable: código Python que representa esas hipótesis y simula cómo podría cambiar el entorno. El agente puede probar posibles movimientos en ese modelo antes de ejecutarlos en el juego.
5
14
El proceso es iterativo: observa, reflexiona sobre lo ocurrido, modifica sus reglas, actualiza el código y comprueba si sus predicciones coinciden con el juego.1
5 Si la simulación falla, esa diferencia sirve para revisar lo que había aprendido, en lugar de dar por correcta una conjetura inicial.
Un ejemplo descrito en una explicación del trabajo es un objeto que el agente esperaba ver reflejado al pisar una plataforma, pero que en realidad giraba 90 grados en sentido horario. La regla corregida podía incorporarse al manual y al código.5 El historial de Git, según la cobertura del proyecto, también permitía consultar cambios y recuperar versiones anteriores si una modificación no funcionaba.
14
Un modelo congelado, una estrategia distinta
La comparación ayuda a entender dónde se produjo la mejora. Los informes identifican a Claude Opus 5 como modelo base de Memento 3 y sitúan su resultado en torno a 40,7 RHAE en el marco oficial del ARC Prize, frente a los 100 de Memento 3.10
14 Según esas mismas fuentes, el sistema no actualiza los pesos del modelo ni lo ajusta específicamente para cada juego.
8
13
Eso no significa que el modelo sea irrelevante: participa en el proceso de explorar y revisar las reglas. La diferencia es que la información aprendida se conserva en memoria externa y en código ejecutable, no mediante una modificación de los parámetros del modelo.1
6 Los resultados reportados muestran el desempeño del sistema completo; no permiten determinar por sí solos cuánto aporta cada componente por separado.
También probó su estrategia en Pong
El trabajo describe una demostración con Pong. Tras aprender una estrategia de control, un programa basado en esa estrategia ganó tres episodios evaluados por 21 a 0, sin nuevas llamadas al modelo de lenguaje durante esas partidas.1 El ejemplo ilustra cómo el conocimiento convertido en código puede ejecutar una tarea sin depender de una consulta al modelo en cada paso.
Qué demuestra —y qué no— el resultado
La cifra de 100 RHAE corresponde a los 25 juegos públicos y sus 183 niveles; no demuestra por sí misma que Memento 3 obtendría el mismo resultado en juegos privados o reservados para una evaluación posterior.7
27 Además, contar acciones no basta para determinar el coste total del sistema: esos datos no establecen por sí solos cuánto tardó, cuántos recursos computacionales utilizó o cuánto costó ejecutarlo.
La contribución más interesante es, por tanto, metodológica: Memento 3 combina un modelo de lenguaje congelado con memoria revisable y simulación ejecutable para aprender cómo funciona un entorno y planificar dentro de él. Es un resultado sólido en el conjunto público evaluado, no una prueba de que el sistema pueda resolver cualquier tarea nueva en el mundo real.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "Cómo Memento 3 aprendió las reglas y completó 183 niveles con menos acciones que las personas"?
Memento 3 completó los 25 juegos y 183 niveles de la versión pública de ARC AGI 3 en 7.518 acciones, frente a las 17.135 registradas para jugadores humanos.
¿Cuáles son los puntos clave a validar primero?
Memento 3 completó los 25 juegos y 183 niveles de la versión pública de ARC AGI 3 en 7.518 acciones, frente a las 17.135 registradas para jugadores humanos. En vez de actualizar los parámetros del modelo de lenguaje, el agente mantuvo un manual de reglas y lo convirtió en código para simular el entorno y planificar.
¿Qué debo hacer a continuación en la práctica?
El resultado demuestra un desempeño destacado en el conjunto público, pero no acredita por sí solo resultados equivalentes en juegos reservados para una evaluación privada.
Fuentes
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
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